Mathematisches Institut SoSe 2020
der Heinrich-Heine Universit¨at 17.06.2020
D¨usseldorf Blatt 9
Apl. Prof. Dr. Axel Gr¨unrock
UBUNGEN ZUR ANALYSIS II¨
33. F¨ur (x, y)∈R2 sei
P(x, y) = 1
2x2−4xy+ 9y2+ 3x−14y+ 1 2.
(a) Beweisen Sie, dassP genau eine kritische Stelle (x0, y0) besitzt, und bestimmen Sie diese.
(b) Zeigen Sie mit Hilfe der Taylorschen Formel (ohne zus¨atzliche Grenzwertbetrach- tungen), dass in (x0, y0) ein isoliertes globales Minimum der Funktion P vorliegt.
L¨osung.
(a) Wir berechnen den Gradienten von P
∇P(x, y) = (x−4y+ 3,−4x+ 18y−14). 1p
Die notwendige Bedingung f¨ur ein Extremum ist also das lineare Gleichungssys- tem
1 −4
−4 18
| {z }
A
x y
= −3
14
| {z }
b
,
welches wegen detA= 18−16 = 26= 0 eindeutig l¨osbar ist. Die L¨osung ist gegeben durch
x0 y0
=A−1b = 1 2
18 4 4 1
−3 14
= 1
1
1p (b) Man berechnet HessP(x, y) =
1 −4
−4 18
=A (wie oben).
1p Diese Matrix ist zum einen unabh¨angig von (x, y) sowie positiv definit, denn detA= 2>0 (s.o.) und die Diagonalelemente sind gr¨oßer Null. Nach der Taylor- Formel gilt fr alle h∈R2\ {(0,0)}:
P((x0, y0) +h) = P(x0, y0) +∇P(x0, y0)·h+ 1
2hh,HessP(ξ)·hi
mit einem ξ zwischen (x0, y0) und (x0, y0) +h. Speziell haben wir ∇P(x0, y0) = 0 und auch HessP(ξ) = A, also
P((x0, y0) +h) = P(x0, y0) + 1
2hh, Ahi> P(x0, y0),
letzteres daA positiv definit ist. Das wird in Teil (b) behauptet. 1p
34. Bestimmen Sie alle lokalen Extrema und ihren Typ f¨ur die Funktion f :R2 →R, (x, y)7→f(x, y) = xyexp (−x2+y2
2 ).
In welchen F¨allen handelt es sich um globale Extrema?
L¨osung. Notwendige Bedingung f¨ur das Auffinden von lokalen Extrema vonf ist, dass der Gradient verschwindet. Diesen berechnen wir zun¨achst:
∂f
∂x(x, y) = y(1−x2) exp(−x2+y2
2 )
∂f
∂y(x, y) = x(1−y2) exp(−x2+y2
2 )
⇒∇f(x, y) = (y(1−x2), x(1−y2)) exp(−x2+y2
2 ) 1p
Die Gleichung ∇f(x, y) = (0,0) hat genau 5 L¨osungen:
(1) (x, y) = (0,0) (Hier istf(x, y) = 0 und in jeder Umgebung des Nullpunkts nimmtf sowohl positive als auch negative Funktionswerte an – hier liegt also kein Extremum vor.)
(2) (x, y) = (1,1) (3) (x, y) = (1,−1) (4) (x, y) = (−1,1)
(5) (x, y) = (−1,−1) 1p
Zur Untersuchung ob bei den 4 letzteren kritischen Stellen Extrema von f zu finden sind berechnen wir die 2. Ableitungen (und damit Hesse-Matrix) von f:
∂2f
∂x2(x, y) =xy(x3−3) exp(−x2+y2
2 )
∂2f
∂y2(x, y) =xy(y3−3) exp(−x2+y2
2 )
∂2f
∂x∂y(x, y) = (1−x2)(1−y2) exp(−x2+y2
2 )
⇒Hessf(±1,±1) =
∓2 0 0 ∓2
· 1 e
wobei das Minus-Zeichen f¨ur (1,1) und (−1,−1) und das Plus-Zeichen f¨ur (1,−1) und
(−1,1) gilt. 1p
Wir bemerken: Hessf(x, y) ist negativ definit in (1,1) und (−1,−1), hier liegen isolierte lokale Maxima vor. In (1,−1) und (−1,1) ist Hessf(x, y) positiv definit, also liegen hier isolierte lokale Minima vor. Wegen lim(x,y)→∞f(x, y) = 0 handelt es sich in allen F¨allen
um globale Extrema. 1p
35. F¨ur (x, y)∈R2 sei
P(x, y) = (y−x2)(y−3x2).
(a) Berechnen Sie ∇P(x, y) und zeigen Sie, dass (0,0) der einzige kritische Punkt von P ist.
(b) Zeigen Sie, dass HessP(0,0) positiv semidefinit ist und dass in (0,0) kein lokales Extremum vorliegt.
(c) Zeigen Sie, dass f¨ur jedesh= (h1, h2)∈R2\(0,0) die Funktionϕh :t7→P(th1, th2) in 0 ein isoliertes lokales Minimum besitzt.
L¨osung.
(a) Der Gradient vonP ergibt sich zu
∇P(x, y) = (12x3−8xy,2y−4x2).
Was f¨ur die kritischen Stellen bedeutet
∇P(x, y) = 0⇔x(3x2 −2y) = 0∧y= 2x2
⇔ −x3 = 0∧y= 2x2
⇔x= 0 =y.
1p (b) F¨ur die zweiten partiellen Ableitungen erhalten wir
∂2P
∂x2(x, y) = 36x2−8y ⇒ ∂2P
∂x2(0,0) = 0
∂2P
∂x∂y(x, y) = −8x ⇒ ∂2P
∂x∂y(0,0) = 0
∂2P
∂y2(x, y) = 2 ⇒ ∂2P
∂y2(0,0) = 2
und damit HessP(0,0) =
0 0 0 2
mit den Eigenwerten λ1 = 0 und λ2 = 2. Also ist HessP(0,0) positiv semidefinit (kann man auch der Diskussion des Falls n = 2
in der Vorlesung entnehmen). 1p
Es liegt also kein lokales Extremum vor, denn f¨ur alle x ∈ R\ {0} ist P(x,0) = 3x4 >0 und P(x,2x2) = −x4 <0.
1p (c) F¨ur h= (h1, h2)T istϕh(t) = t2h22−4t3h2h21+ 3t4h41.
⇒ϕ0h(t) =t(2h22−12th2h21+ 12t2h41) ⇒ϕ0h(0) = 0
⇒ϕ00h(t) = 2h22−24th2h21 + 36t2h41 ⇒ϕ00h(0) >0 falls h2 6= 0
Andernfalls ist ϕh(t) = 3t4h41 mit h1 6= 0. In beiden F¨allen liegt in t = 0 eine isolierte lokale Minimalstelle vor.
1p Sittlicher N¨ahrwert: Bei den Extremwertaufgaben f¨ur Funktionen mehrerer Ver¨anderlicher ist die Untersuchung der Schnittfunktionen ϕh im allgemeinen nicht ausreichend!
36. F¨urn ≥2 und i∈ {1, . . . , n} seien ki und αi positive reelle Zahlen und G:Rn+ →R, x7→G(x) :=
n
Y
i=1
xαii −
n
X
i=1
kixi. Zeigen Sie: Ist |α|:=Pn
i=1αi >1, so besitzt G (a) weder ein globales Extremum,
(b) noch ein lokales Extremum.
Hinweis, insbesondere zu Teil (b): F¨ur den Fall|α|<1 wurde in der Vorlesung gezeigt, dass Gein isoliertes globales Maximum besitzt. Teilergebnisse aus dieser Diskussion k¨onnen Sie zur L¨osung der Aufgabe verwenden.
L¨osung.
(a) (i) F¨urt >0 sei x(t) = (e−t, t, . . . , t). Dann ist G(x(t)) =e−α1t(t|α|−α1 −k1)−t
n
X
i=2
ki → −∞ (t→ ∞).
Also existiert kein globales Minimum. 1p
(ii) Andererseits ist f¨ur x(t) = (t, . . . , t) (t >0) G(x(t)) =t|α|−t
n
X
i=1
ki → ∞ (t→ ∞), da |α|>1.
Es gibt also auch kein globales Maximum. 1p
(b) Aus der Vorlesung ist bekannt (siehe Abschnitt 2.3E):
HessG(x) = −
n
Y
i=1
xαii
| {z }
=:P(x)>0
α1−α21
x21 −αx1α2
1x2 . . . −αx1αn
1xn
... ...
−αxnα1
nx1 . . . αnx−α2 2n n
=−P(x)·D(x)·H0·D(x) mit einer DiagonalmatrixD(x) = diag(αx1
1,αx2
2, . . . ,αxn
n) und einer vonxunabhngigen Matrix
H0 =
1
α1 −1 −1 . . . −1
−1 α1
2 −1 −1 . . . −1
... ...
−1 . . . −1 α1
n −1
.
Da P(x)>0 und alle Diagonalelemente vonD(x) positiv sind, gilt also HessG(x) ist positiv (negativ) semidefinit
⇔ hh,HessG(x)·hi ≥0 ∀h∈Rn
⇔ −P(x)hh, D(x)H0D(x)hi ≥0 ∀h∈Rn
⇔ hD(x)h, H0D(x)hi ≤0 ∀h ∈Rn
⇔ hk, H0ki ≤0 ∀k ∈Rn
⇔H0 ist negativ (positiv) semidefinit.
Wobei wir im vorletzten Schrittk =D(x)h gesetzt haben. Nehmen wir jetzt inx0 ein lokales Maximum (Minimum) an, folgt∇G(x0) = 0 und HessG(x0) ist negativ (positiv) semidefinit. Als letztes folgt: H0 ist positiv (negativ) semidefinit und daher HessG(ξ) ist negativ (positiv) semidefinit f¨ur alleξ ∈Rn+. Die Taylor-Formel ergibt jetzt f¨ur alle h∈Rn mit x0+h∈Rn+:
G(x0+h) =G(x0) +∇G(x0)·h
| {z }
=0
+1
2hh,HessG(ξ)·hi
| {z }
≤0 (≥0)
Also ein globales Maximum (bzw. Minimum), im Widerspruch zum Ergebnis von Aufgabenteil (a).
(Hier gibt es 2p , wenn irgend etwas Schl¨ussiges abgegeben wird.)