• Keine Ergebnisse gefunden

Tutorium HM 2 1. Juni 2009

N/A
N/A
Protected

Academic year: 2022

Aktie "Tutorium HM 2 1. Juni 2009"

Copied!
4
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Blatt 6

Tutorium HM 2 1. Juni 2009

Diese Zusammenstellung erhebt keinen Anspruch auf Vollständigkeit und Korrektheit.

Sie dient lediglich als Hilfestellung zur Bearbeitung der Übungsaufgaben.

Zu diesem Blatt wurde auf der letzten Hilfe schon einiges gesagt. Deshalb hier nochmal in Kürze und mit einigen Beispielen:

1 Dierezierbarkeit

Eine skalare Funktion heiÿt dibar bei xi, wenn der Dierenzenquotient

∂f(~x)

∂xi =∂if(~x) :=limh→0

f(x1, ..., xi+h, ...xn)−f(x1, ..., xi, ..., xn) h

=limh→0

f(~x+ ˆeih)−f(~x) h

existiert. Wir hatten diese partielle Ableitungen für die skalare Funktion in dem Gra- dienten

grad f(~x) =∇f(~x) :=

1f(~x)

2f(~x) ...

nf(~x)

∈Rn

zusammengesfasst. Falls f~(~x) eine skalare Funktion ist, führte uns die komponenten- weise Taylorentwicklung der Funktion auf den Ausdruck

1

(2)

f(~~ x0+~h) =

f1(~x0+~h) ...

fm(~x0+~h)

=

f1(~x0) +∇f1(~x0)(~x−~x0) ...

fm(~x0) +∇fm(~x0)(~x−~x0)

+...

=f~(~x0) +

(∇f1(~x0))T ...

(∇fm(~x0))T

(~x−~x0) +...

=f~(~x0) +

1f1 · · · ∂nf1

...

1fm · · · ∂nfm

| {z }

Jf

(~x−~x0) +...

Jf heiÿt Jakobi-Matrix und ist die in Aufgabe 1 gefragte Ableitung. Hat man eine vektorielle Funktionf~mit m skalaren Komponenten f1, ..., fm und hängen diese Funk- tionen von den n Veränderlichen x1, ..., xn ab, so erhalten wir eine m×n−Matrix als Jacobische.

Beispiel:

f(x, y) =x2y3+y ln(x)

xf = 2xy3+y x

yf = 3x2y2+ ln(x) Jf(x, y) =

2xy3+y

x,3x2y2+ ln(x)

Wir nennen eine Funktion f~stetig dierenzierbar, wenn Jf existiert und jede Ab- leitung ∂jfi(~x) stetig ist. Sind sämtliche k-fachen Ableitungen stetig, so sagt man f~ ist k-fach stetig dibar. Die Menge dieser Funktionen wird mit Ck bezeichnet.

2 Kettenregel und Richtungsableitung

Sei~x(t)eine durch t parametrisierte Kurve. Die Ableitung der Funktionf(x1(t), ..., xn(t)) ergibt sich nach dem totalen Dierential durch:

2

(3)

df

dt(~x(t)) =∂1f(~x(t)) ˙x1(t) +· · ·+∂nf(~x(t)) ˙xn(t)

=∇f(~x(t))·~x(t)˙

Hier steht nun die Richtungsableitung von f in Richtung der Tangente an die Kurve

~

x(t). Seif(~x(t)) =f(~x+t ~d

| {z }

~x(t)

). Dann ist die Richtungsableitung in Richtungd~deniert als die totale Ableitung nach t, also:

Dd~f =∇f(~x(t))·~x(t)˙

=∇f ·d~

Sei f(~~ u) eine Funktion die von einer Funktion ~u(~x) abhängt. Allgemein könnte also der Fall

Rk→Rl→Rm : ~x→~u→f~

⇔f~=f~(~u(~x))

vorliegen. Dann ist die Ableitung der Funktion f~nach dem Argument~x komponten- tenweise gegeben durch:

xifm(~u) =X

n

unfm(~u)

| {z }

(Jf~(~u))mn

xiun(~x)

| {z }

(J~u(~x))ni

Hierbei haben wir die jeweiligen Komponenten der Jacobimatrizen identiziert. Das gleiche können wir für die linke Seite machen und erhalten die verallgemeinerte Ketten- regel:

Jf◦u(~x) =Jf(~u)Ju(~x) Beispiel:

f(u, v) =u2v; (u, v) = (y+x, y3) Jf◦(u,v)(x, y) =Jf(u, v)J(u,v)(x, y)

= (2uv, u2)

1 1 0 3y2

= (2uv, 2uv+ 3y2u2) = 2(x+y)y3 , 2(x+y)y3+ 3y2(x+y)2 Das gleiche Ergebnis erhält man, wenn man die Ausdrücke für u und v direkt in f einsetzt und den Gradienten bzgl. der Variablen x und y bestimmt.

3

(4)

3 Satz über implizite Funktionen

Sei g : D → Rm eine C1-Funktion und D ⊂ Rn oen. Sei weiter x ∈ Rn−m und y ∈ Rm mit (x, y) ∈ D. Ist (x, y) ∈ D Lösungspunkt der Gleichung g = 0, d.h. es gilt g(x, y) = 0. Ist die Jacobimatrix

Jg(x, y) =

∂g1

∂y1(x, y) · · · ∂y∂g1

m(x, y)

... ... ...

∂gn

∂y1(x, y) · · · ∂y∂gn

m(x, y)

invertierbar, dann gibt es Umgebungen U von x und V von y, wobei U ×V ⊂ D ist, in denen eine eindeutig bestimmte stetig dierenzierbare Funktion f: U → V mit f(x) = y und g(x, f(x)) = 0 für alle x ∈ U existiert. D.h. die implizite Gleichung g(x,y) lässt sich in diesem Punkt nach y auösen: y(x) =f(x). Weiter gilt:

Jg(x) =−Jg(y)Jf(x) (Kettenregel) Jf(x) =−Jg(y)−1Jg(x)

Ohne die Funktion f zu kennen, können iwr also auf die Jacobische von f schlieÿen.

Beispiel: Wir haben eine Funktion mit zwei Veränderlichen x und y vorliegen.

g(x, y) =x2+y2−1 = 0 (∗)

Eine mögliche Lösung wäre(x, y) = (0,1). Das totale Dierential der Funktion g nach x ist gegeben durch:

dg dx = ∂g

∂x+ ∂g

∂y

∂y

∂x = 0

∂y

∂x =−(∂g

∂y)−1∂g

∂x

=−2x 2y

In Punkten, wo ∂y∂x existiert, ist die implizite Gleichung(∗)nach y auösbar. Das sind hier alle Punkte, die (∗) erfüllen auÿer der Punkt(x, y) = (1,0).

4

Referenzen

ÄHNLICHE DOKUMENTE

Bestimme nun den Differenzenquotienten für eine streng monoton fallende und eine streng monoton wachsende Nullfolge, n

Ich beginne mit einer euch bekannten Motivation und gehe dann über zu zwei Ansätzen zum Lösen der hier gege- benen DGL....

Diese ist gröÿer Null, wenn die Hesse- matrix H f positiv denit ist (lokales Minimum) und kleiner null, wenn sie negativ denit ist (lokales Maximum).. Sucht ihr das globale Maximum

Er ist ein Faktor, der uns je nach Permutationen der drei unterschied- lichen Zahlen ijk ein positives oder nega- tives Vorzeichen gibt (gerade Permutation 123 → ungerade

(Der Operator ∆ heißt Laplace-Operator, die L¨ osungen der Laplace-Gleichung werden als harmonische Funktionen

Zeigen Sie die

Fachbereich Mathematik und Informatik Sommersemester 2008 Universit¨ at

Falls nicht existiert wegen Stetigkeit von.. zwei Funktionen