Title | Analysis-2 - Zusammenfassung Analysis 2 |
---|---|
Author | Zhenglei Ji |
Course | Analysis 2 |
Institution | Technische Universität München |
Pages | 8 |
File Size | 436.8 KB |
File Type | |
Total Downloads | 18 |
Total Views | 200 |
4ei kann Spuren von Katzen enthalten nicht für Humorallergiker geeignet alle Angaben ohne Gewehr Analysis 21 N ̈utzliches Wisseneix= cos(x) + i·sin(x)####### 1 Trigonometrische Funktionen1.1 sinh, cosh cosh 2 (x)−sinh 2 (x) = 1sinhx= 12 (ex−e−x) arsinhx:= ln( x+√ x 2 + 1)coshx= 12 (ex+e−x) arcoshx:=...
4
F (x) 1 q+1 x q +√1 2 ax3
*
ei
Analysis 2
* k ann Spur en v on Katz en enth alte n ni alcle htAngaben üf r Hum or ohne alle r Gewehr gik er geeig net
Additionstheoreme cosh x + sinh x =p ex sinh(arcosh(x)) = x2 − 1 p cosh(arsinh(x)) = x2 + 1
Stammfunktionen ´ sinh x dx = cosh x + C ´ cosh x dx = sinh x + C
x
0
π/6
π/4
π/3
sin
0
cos
1
1 √ 2 1 √ 2
3 2 1 2
tan
0
1 2 √ 3 2 √ 3 3
√
√
1
Additionstheoreme
3
π/2
π
3 π 2
2π
1
0
−1
0
0
−1
0
1
∞
0
−∞
0
cos 2x = 2 cos2 x − 1 sin(x) = tan(x) cos(x)
e
x
sin(x)
cos(x)
sin(x)
cos(x)
− ln | cos(x)|
tan(x)
− sin(x) 1
ln | sin(x)| x arcsin(x) +
p
p
1−
1
sinh(x)
arcsin(x)
x2
ln 1 + 2 1 x arccot(x) + ln 1 + 2 x arctan(x) −
arccos(x)
2 x 2 x
arctan(x) arccot(x)
cosh(x)
∞ P
cos2 (x) −1
cot(x)
1 − x2
q
n |q| 0 : Bε (x0 ) = x ∈ Rn kx − x0 k < ε ⊆ D • Die Menge D heißt offen, falls D = D
• Randpunkt x0 ∈ Rn des Rands ∂D von D, falls ∀ε > 0 : Bε (x0 ) ∩ D 6= ∅ ∧ Bε (x0 ) ∩ DC 6= ∅ ⇒ ∂D = ∂DC • Abschluß D von D: D = D ∪ ∂D • Die Menge D ist abgeschlossen, falls ∂D ⊆ D • beschr¨ ankt, falls ∃µ ∈ R∀x ∈ D : kxk < µ • kompakt, falls D abgeschlossen und beschr¨ ankt ist.
⊤
·f =
i=0
∇2
∇⊤ ·(∇f)
Es gilt: Ist D ⊆ Rn offen, so ist DC abgeschlossen. R und ∅ sind offen und abgeschlossen.
∂xi
∂f
=
X
∂f2 ∂z ∂f3 ∂x ∂f1 ∂y
∂f
(x)
(x) (x)
∂xi xi
3.4 H¨ohere Partielle Ableitungen ∂j ∂i f (x) = fxi xj (x) C m (D) =
m-mal stetig partiell diffbare Funktion auf D
Satz von Schwarz: f ∈ C 2 (D) ⇒ fxi xj (x) = fxj xi (x)
∀i, j
Mittelwertsatz (f : D ⊆ Rn → R, xy ∈ D x, y ⊆ D) ∃ξ ∈ x, y mit f (y) − f (x) = ∇f ⊤ (ξ)(y − x) Es gilt |f (y) − f (x)| ≤ c|y − x| mit c = maxk∇f (z )k
z ∈ x, y ∂11 f (x) ... ∂1n f (x) ˙: ˙: Hessematrix: Hf (x) = ∇ f (x) = ∂n1 f (x) ... ∂nn f (x)
2
Die Hessematrix ist symmetrisch, falls f ∈ C 2 (D) T2,f,x 0 (x) = f (x 0 )+
3.1 Folgen, Grenzwerte, Stetigkeit im R
n
Eine Folge X (k) ist eine Abbildung X (k) : N0 → Rn , k 7→ x(k)
Die Folge konvergiert, falls lim kx − x(k) k = 0 k→∞
Folge konvergiert, falls sie komponentenweise konvergiert! n
F¨ur f : D ⊆ R → R bedeutet Grenzwert: lim f (x) = c ⇔ f X (k) → x0 → c x→x0
Stetigkeit:
∀x ∈ Rn :
lim f (x) = f (x0 )
x→x0
Satz von Max. und Min.: Ist f (x) stetig und D kompakt, so ∃xmax , xmin ∈ D∀x ∈ D : f (xmin ) ≤ f (x) ≤ f (xmax )
3.2 Differentiation von Skalarfeldern - Gradient ∂ f (x) ∂x1 ∇f (x) = grad f (x) = ˙: ∂ f (x) ∂x
Richtungsableitung: ∂v f (x) = h∇f (x), vi
Analysis 1 von Lukas Kompatscher ([email protected])
∂f 1 ∂x1 J f (x) = ˙:
∂fm ∂x1
...
˙:
...
∇f1⊤ = ˙: ∂fm ⊤ ∇fm ∂x ∂f1 ∂xn
∈ Rm×n
n
Rechenregeln f¨ur die Jacobimatrix: f, g : D ⊆ Rn → Rm part. diffbar: Linearit¨ at: J αf+β g = αJf + βJg
⊤ Produkt: J ⊤ = g⊤ Jf + f ⊤ Jg (∇f ⊤ g = J f g + J⊤ g f) f g Komposition: J g◦f (x) = J g f (x) · J f (x)
Umkehrfunktion: J − (f (x)) = J f (x)−1 f 1
• f (v + w) = f (v) + f (w)
kvk = 1
g
h := g ◦ f : Rn → R ∇h(x) = g′ f (x) · ∇f (x)
3.5 Jacobimatrix = Fundamentalmatrix
f : V → W heißt linear, falls
Gradientenregeln: f, g : D ⊆ Rn → R sind partiell diffbar: Linearit¨ at: ∇(λf + µg)(x) = λ∇f (x) + µ∇g(x) Produkt: ∇(f g)(x) = g(x)∇f (x) + f (x)∇g(x) · f = 12 g(x)∇f (x) − f (x)∇g(x) Quotient: ∇ g Kettenregeln: f : Rn → R ∧ g : R → R
+∇f (x 0 )⊤ (x − x 0 )+ (Tangentialebene) (Schmiegequadrik) + 21 (x − x 0 )⊤ H f (x0 )(x − x 0 ) P 1 P ∂ ∂ f (a)(x − T3,f,a (x) = f (a) + ∂i f (a)(xi − ai ) + 2 i j i P 1 ∂i ∂j ∂k f (a)(xi − ai )(xj − aj )(xk − ak ) ai )(xj − aj ) + 6
3.6 Lineare Abbildungen
n
s : [a, b] → [0, L(γ)], t 7→ s(t) . • γ ˜(t) = γ s−1 (t) k˜ γ (t)k = 1∀t d2 γ k 2k ds
Ein Skalarfeld ordnet jedem Vektor eines Vektorraums einen Wert zu. f : D ⊆ Rn → R, (x1 , . . . , xn ) 7→ f (x1 , . . . , xn ) Teilmengen von Rn : D = [a1 , b1 ] × ... × [an , bn ] Offene Kugelmenge vom Radius r: Br (x0 ) Topologische Be griffe ur f¨ D ⊆ Rn
=e
n=0 Exponentialreihe
γn (t)
1.3 Quadratische Gleichung
Operator
z
2 Kurven
1.2 log
3.3 Differentialoperatoren
x
a ln(a)
− cos(x)
Stammfunktionen ´ 1.6 Reihen x cos(x) dx = cos(x) + x sin(x) ´ x sin(x) dx = sin(x) − x cos(x) ∞ P 1 ´ sin2 (x) dx = 12 x − sin(x) cos(x) n=1 n → ∞ ´ x + sin(x) cos(x) Harmonische Reihe cos2 (x) dx = 1 2 ´ 1 cos2 (x) cos(x) sin(x) = − 2
cos(x − π2 ) = sin x sin(x + π2 ) = cos x sin 2x = 2 sin x cos x
a √ ax 1 x x
e
x arccos(x) −
sin2 (x) + cos2 (x) = 1
1.1.2 sin, cos
2
a
ln(a)
p arsinh x := ln x + x2 + 1 p arcosh x := ln x + x2 − 1
sinh x = 12 (ex − e−x ) cosh x = 1 (ex + e−x ) 2
ax
x
ax
3 Skalarfelder
q−1
qx
ln(ax)
e
cosh2 (x) − sinh2 (x) = 1
1.1.1 sinh, cosh
√
x
1.1 Trigonometrische Funktionen
f (x)
q
x
3 x ln(ax) − x
1 N¨ utzliches Wissen eix = cos(x) + i · sin(x)
′
f (x)
f : Rn → R ∧ g : R → Rn h := f ◦ g : R → R . h′ (x) = ∇f g(x) T · g(t)
• f (λv) = λf (v)
• Tipp: Pr¨ufe ob f (0) = 0 Kern von f : ker(f ) = v ∈ V f (v) = 0 ist UVR von V Bild von f : Bild(f ) = f (v) v ∈ V ist UVR von W ∗ n Dualraum V = f : R → R f = lin. Injektiv (aus f (x) = f (y) → x = y)), falls ker(f ) = 0 Surjektiv Alle Werte im Zielraum werden angenommen.
4 Taylorpolynom f¨ur Skalarfelder Ist f : D ⊂ Rn → R ein (m + 1)-mal stetig partiell differenur alle a ∈ D und zierbar Skalarfeld, D offen und konvex, so gilt f¨
Stand: 23.7.2017
h ∈ Rn mit a + h ∈ D die Approximation durch das Taylorpolynom : 1 1 m Tm (a; a + h) = g(0) + g′ (0) + ′′ g (0) + · · · + m! g (0) 2 (Teilen durch n! nicht vergessen!) g : [0, 1] → R ist definiert als g(t) = f (a + th) Die Ableitungen von g an der Stelle 0 k¨ onnen wie folgt bestimmt werden: • g(0) = f (a) • g′ (0) = ∇f (a)⊤ h =
Pn
• g′′ (0) = h⊤ Hf (a)h = • g′′′ (0) = • ...
Pn
i,j,k=1
i=1
∂xi f (a)hi
Pn
5.2 Transformation eines Vektorfeldes f (x, y, z)
7 Matrizen
˜ f (r, ϕ, z) bzw. f˜(r, θ, ϕ) durch ersetzen von x, y und z durch die entsprechenden Eintr¨ age des Transformationsvektors.
7.1 Determinante von A ∈ Kn×n : det(A) = |A|
˜ ˆ (r, ϕ, z) bzgl. { er , eϕ , ez } :fˆ= S −1 · f Zylinder: f z
det
5.3 Operatoren in anderen Koordinaten (Detailliert in der Formelsammlung im Anhang)
7.2 Eigenwerte, Eigenvektoren
−1
Kugel: fˆ(r, θ, ϕ) bzgl. { er , eθ , eϕ } : fˆ = S k
∂xj ∂xi f (a)hi hj
i,j =1
div ∆
4.1 Das Restglied - die Taylorformel
m!
g
(m+1)
(ξ)
Transformationsvektoren. (Um einen Vektor in anderen Koordinaten darzustellen)
Zylinder
Kugel
x
y
z
⊤
r · cos(ϕ) r · sin(ϕ) z r · cos(ϕ) sin(θ) r · sin(ϕ) sin(θ) r · cos(θ)
Transformationsmatrix Sz cos(ϕ) h i er eϕ ez = sin(ϕ) 0
Transformationsmatrix Sk cos(ϕ) sin(θ) i h er eθ eϕ = sin(ϕ) sin(θ) cos(θ) fkart = S k · fkug
1 ∂ (r · f ) + 1 ∂ (f ) + ∂ (f ) z ϕ z r r ϕ r r 1 ∂ (r · f ) + 12 ∂ϕϕ f + ∂zz f r rr r
div
1 r2
... werden als Nullstellenmenge einer expl. Funktion f angegeben. (x, y) ∈ R2 f (x, y ) = 0 mit y = g(x) ∈ R
6.1 Satz ¨uber implizite Funktionen:
• f ∈ C 1 (D) • ∃(x0 , y 0 ) ∈ D mit f (x0 , y 0 ) = 0
0 ≤ ϕ < 2π
• fy (x0 , y 0 ) 6= 0
0≤θ≤π
⇒ ∃I ⊆ D : I = (x0 − ǫ, x0 + ǫ), J ⊆ R : J = (y 0 − δ, y 0 + δ) mit:
−1 fzyl = Sz · fkart
cos(ϕ) cos(θ) sin(ϕ) cos(θ) − sin(θ)
− sin(ϕ) cos(ϕ) 0
−1 · f fkug = Sk kart
Die Spalten entsprechen den orthonormalen Basisvektoren im jeweiligen Koordinatensystem. ⇒ Trafo-Matrizen orthogonal: S −1 = S ⊤
5.1 Transformation eines Skalarfeldes f (x, y, z) f˜(r, ϕ, z) bzw. f˜(r, θ, ϕ) erh¨ alt man durch ersetzen von x, y und z durch die entsprechenden Eintr¨ age des Transformationsvektors.
Homepage: www.latex4ei.de - Fehler bitte sofort melden.
L(x, λ) = f (x) + λg(x) – Regularit¨ atsbedingung: ∇g(x) 6= 0 ∀x ∈ Ω – Kandidaten:
∇L(x, λ) = 0 ⇒
(
∇f (x) + λ∇g(x) = 0 g(x) = 0
– Vergleiche die Funktionswerte der Kandidaten →Entscheidung uber ¨ Extrema (auch Rand betrachten)
• die algebraischen mit den geometrischen Vielfachheiten der Eigenwerte ¨ubereinstimmen
PS: Lagrange bestiehlt kleine Kinder!!!!
• Es gilt: det A = det B
8.3 Lineare Ausgleichsrechnung (Polynom)
Bedingungen f¨ur Diagonalisierbarkeit : allt in Linearfaktoren • Das charakteristische Polynom χA zerf¨ χA (t) = (λ1 − t)k1 (λ2 − t)k2 . . . (λr − t)kr
• Die algebraischen Vielfachheiten der Eigenwerte stimmen mit den geometrischen ¨ uberein ki = dim Vλ i
• Jede symmetrische Matrix A ∈ Rn×n ist diagonalisierbar λ1 0 0 D = B −1 AB h i D =0 λ2 0 B = EV 1 , EV 2 , ... 0 0 λ3 M (f ) = M ( id ) · M (f ) · M ( id ) B B B E3 E 3 E3 E3 B B = (E3 b1 , E3 b2 , E3 b3 ) = (v1 , v2 , v3 )
Man betrachtet eine Funktion b = f (t) = x0 + x1 t + . . . + xn tn mit unbekannten Koeffizienten x0 , x 1 , . . . xn . Es sind m Paare (bi , ti ) ur den gegeben und sucht den Vektor x = (x0 , x1 , . . . , xn )T , f¨ ri (x) = bi − x0 − x1 t − . . . − xn tn minimal sind. Aufgabe: Minimiere
m P
(bi − x0 − x1 t − . . . − xn tn )2
i=1
⇔ Minimiere kr(x)k2 mit r(x) = b − Ax 1 t1 t12 ··· t1n b1 1 t2 t22 ··· t2n b 2 A= . . , b = . . . . ˙: . . . . . . . . . bm 2 ··· tn 1 tm tm m Man erh¨ alt Minimum durch L¨ osen der Normalengleichung T
T
A Ax = A b
7.4 Definitheit
• I × J ⊆ D in fy (x, y) 6= 0∀(x, y ) ∈ I × y
8.4 Lineare Ausgleichsrechnung (aus HM)
• ∃1 Funktion g(x) mit f (x, g(x)) = 0 (”g wird implizit defniert”)
Gegeben: n St u¨tzstellen (t1 , y 1 ), . . . , (tn , ty ). Gesucht: Ausgleichsfunktion f = f (x) = λ1 f1 + · · · + λr fr zu gegebenen f1 , . . . , fr f1 (t1 ) ... fr (t1 ) . . 1. b = (y 1 , . . . , y n )⊤ A = . . . .
Eine sym. Matrix A = A ⊤ ∈ Rn×n heißt pos. definit ⇔ ∀v ∈ Rn \ 0 : v⊤ Av ≷ 0 ⇔ Alle EW λ ≷ 0 neg. pos. semi definit ⇔ ∀v ∈ Rn : v⊤ Av R 0 ⇔ Alle EW λ R 0 neg. −f (x,g(x)) −f (x,y) • g′ (x) = f x(x,g(x)) = f x(x,y) ∀x ∈ I indefinit ⇔ ∃v, w ∈ Rn : v⊤ Av < 0 ∧ w⊤ Aw > 0 ⇔ y y ∃λ1 > 0 ∧ λ2 < 0 ⊤ sind reel. λ ∈ R selbst wenn EV v ∈ C! f (x,g (x))+2fxy (x,g(x))·g ′ (x)+fyy (x,g(x))·(g ′ (x))2Alle EW von A = A Q P g′′ (x) = − xx ¨ Uberpr¨ ufung mit det A = λi SpA = λi fy (x,g(x))
0 0 1
• Lagrange-Funktion Nebenbedingung g(x) = 0
• sie die gleichen Eigenwerte besitzen
7.3 Diagonalmatrix
• D ist offen
0 ≤ ϕ < 2π
• NB g(x) = 0 ist nach einer Variable aufl¨osbar. → Setze xi in f (x) ein → Bestimme EW
¨ Ahnlichkeit von Matrizen: Matrizen A und B sind ahnlich, wenn ¨
∂ f ∂rr (r 2 f ) + 2 1 2 ∂ϕϕ (sin θf) + 2 1 r sin θ r sin θ θθ
= Sattelpunkt = keine Aussage
Es seien f, g : Ω ⊂ Rn 7→ R
Av = λv mit v EV von A
1 ∂ )⊤ (∂r , r1∂ϕ , r sin θ θ 1 1 1 ∂r (r 2 f r ) + r sin ∂ (sin θf θ ) ∂ (f ϕ ) + r sin θ θ θ ϕ r2
= lok. Max. = lok. Min.
ufe Rand • globale Extreme → pr¨
Eigenvektoren: EigA (λi ) = ker(A − λi 1) = vi → dim(EigA (λi )) = geo(λi ) ∀i : 1 ≤ geo(λi ) ≤ alg(λi )
Es gelte: f : D ∈ R2 → R → implizite Gleichung f (x, y ) = 0 Bedinungen f¨ ur die Existenz von y = g(x):
− sin(ϕ) cos(ϕ) 0
fkart = S z · fzyl
(∂r , r1∂ϕ , ∂z )⊤
⇒ x0 ⇒ x0 ⇒ x0 ⇒ x0
8.2 Extremwerte von f (x) mit Nebenbedingung
Eigenwerte: det(A − λ1) = 0, Det-Entwickl., Polynom-Div. ⇒ χA = (λ1 − χ)ν1 · ... · (λr − χ)νr νi = alg(λi )
6 Implizite Funktionen g
5 Koordinatensysteme
∇ ∆
Es gibt eine Zwischenstelle ξ ∈ (0, 1) mit: R m+1 (a; a + h) =
i=1
Kugelkoordinaten
R m+1 (a; a + h) = f (x) − Tm (a, a + h) ˆ 1 1 m (m+1) (1 − t) g (t)dt = m! 0
1
· f˜
Zylinderkoordinaten ∇
∂xi ∂xj ∂xk f (a)hi hj hk
0!
! A B = det = det(A) · det(D) C D 0 D Hat A 2 linear abh¨ang. Zeilen/Spalten ⇒ |A| = 0 n P (−1)i+j · aij · |A ij | Entwicklung. n. iter Zeile: |A| = A
neg. definit pos. definit indefinit • Falls Hf (x 0 ) semidefinit
6.2 Satz ¨uber implizite Funktionen (allgemein) f : Rk+m → Rm stetig diffbar, z 0 = (x0 , y 0 ) ∈ Rk+m x0 ∈ Rk , y 0 ∈ Rm mit f (z 0 ) = 0 Falls Jf,y
=
(
∂fi(z ) 0 ) i=1...mj=k+1...k +m ∂xj
ist invertierbar
(det Jf,y (z 0 ) 6= 0) Dann: ∃ offende Menge I in J mit g : I → J mit f (x, g(x)) = 0
6.3 Satz von der Umkehrabbildung D ⊆ Rn offen, f : D → Rn ∈ C 1 (D).X0 ∈ D mit Jf (x0 ) ist invertierbar. Dann: ∃U Umgebung von x0 mit f |U : U → f (U ) ist bijektiv. Die Umkehrfunktion (f |u )−1 ist stetig diffbar und es gilt: J(f |U )−1 (f (x)) = (Jf (x))−1 ∀x ∈ U
ur 2 × 2-Matrix: A = Nur f¨ Definitheit indefinit pos. semidef.
Eigenwerte pos. und neg. λ≥0
! b d
a c
det A = ad − bc det A < 0 det A = 0
SpA ≥ 0
λ≤0 λ>0
det A = 0 det A > 0
SpA ≤ 0 SpA > 0
neg. definit
λ 0
SpA < 0
8 Extremwerte von Skalarfeldern f (x) 8.1 Extremewerte ohne NB
Analysis 1 von Lukas Kompatscher ([email protected])
fr (tn )
9 Kurvenintegral 9.1 Skalares Kurvenintegral von Skalarfeld f (x) entlang einer Kurve γ(t) mit x, γ ∈ Rn ˆ γ
f ds :=
ˆb a
. f γ(t) · kγ(t)kdt
Im Fall n = 2 gibt x 0 : ∇f (x 0 ) = 0
...
x = (λ1 , . . . , λr )⊤
3. f = f (x) = λ1 f1 + · · · + λr fr
SpA = a + d
neg. semidef. pos. definit
are Punkte): • Suche Kandidaten (station¨
f1 (tn )
2. L¨ ose A ⊤ Ax = A ⊤ b
´
f ds den Fl¨ acheninhalt unter f entlang der Spur
γ
von γ an. L(γ) ist das skalares Kurvenintegral ¨uber f = 1
Stand: 23.7.2017
Anmerkung: Ist (x, y , z) die Masse- oder Ladungsdichte eines Drahtes so ist die Gesamtmasse M : b ´ ´ . t)kdt f ds = γ(t) · kγ( γ
a
Der Schwerpunkt S = (S1 , S2 , S3 ) ist: Si =
1 M (γ)
·
´
γ
xi ds
10.2.1 Fluss durch Kurve Fluss von v von (in Durchlaufrichtung gesehen) links nach rechts. ˆ ˆ 0 1! v dn = v· ω T (x) ds ω −1 0
9.2 vektorielles Kurvenintegral angs der Kurve γ mit x, v, γ ∈ Rn von einem Vektorfeld v(x) l¨ ˆ
v · ds :=
ˆb a
10.3 Gebietsintegrale ¨ uber Normalbereiche f : B ⊆ R2 → R stetig
. v γ(t) ⊤ · γ(t) dt
10.3.1 Fl¨ achenintegrale im R2
F¨ ur beide Integrale gilt: ´∀λ, µ ∈ R, ∀f, g ´ ´ λf + µg ds = λf ds + µg ds γ γ ´ γP ´ P f ds Ist γ = γi so gilt: f ds =
γ
f ds = (−)
¨
γi
γ
´
Typ I BI regul¨arer Bereich n o BI = x ∈ R2 |a ≤ x1 ≤ b; g(x1 ) ≤ x2 ≤ h(x1 ) f dF =
ˆ h(x ) 1
x1 =a x2 =g(x1 )
B
f ds
´
ˆ b
Typ II BII regul¨arer Bereich n o BII = x ∈ R2 |c ≤ x2 ≤ d; l(x2 ) ≤ x1 ≤ r(x2 )
→ g′′ (42) > 9000 (over 9000)
9.3 Integrabilit¨ atsbedingung (Gradientenfeld)
¨
⇒ Kurve muss einfach zusammenh¨angend sein. (Man muss die Kurve auf einen Punkt zusammenziehen k¨onnnen)
f dF = B
ˆ d
x2 =c
ˆ r(x ) 2
f (x1 , x2 ) dx1 dx2
x1 =l(x2 )
f : D ⊂ Rn 7→ Rn ist ein Gradientenfeld, wenn f (x) = ∇F (x)
10.3.2 Volumenintegrale im R3
⇔ Jf (x) = Jf (x)
V regul¨ arer Bereich V = {x ∈ R3 |a ≤ x1 ≤ b, u(x1 ) ≤ x2 ≤ o(x1 ), u′ (x1 , x2 ) ≤ x3 < o′ (x1 , x2 )}
bzw. ∂xi fj (x) = ∂xj fi (x)
Sonderf¨ alle: • n = 2:
∂v1 ∂y
=
∂v2 ∂x
˚
• n = 3: rot v = 0 ⇒ Integrabilit¨ atsbedinung ist erf¨ ullt.
f dV = V
′ ˆ 1 ) o (xˆ1 ,x2 ) ˆ b o(x
f (x1 , x2 , x3 ) dx3 dx2 dx1
10 Integralarten (HM3)
∂(u, w)
eu2 + h1 h2
F (B) =
∂(u, w)
eu3
#
¨
¨
ds dt
10.5.1 Parametrisierung Fl¨ache im Zweidimensionalen wird zuerst parametrisiert: (u, w) ∈ M 7→ φ(u, w) = x ∈ R3 Kreis mit Radius r : ! ! r cos(t) r cos(t) φ = x2 + y 2 ≤ r 2 ∂φ = n= r sin(t) r sin(t) 2 2 φ = x2 + yb2 ≤ 1 a
∂φ =
! a cos(t)
b sin(t) Eigenschaften der Parametrisierung φ(u, w)
a cos(t) b sin(t)
n=
B ⊆ Rn heißt regul¨arer Bereich, wenn • B abgeschlossen und einfach zusammenh¨angend • B l¨asst sich in endlich viele Normalbereiche zerlegen
10.0.2 Volumen und Oberfl¨ ache von Rotationsk¨ orpern um x-Achse p ´ ´ V = π ab f (x)2 dx O = 2π ab f (x) 1 + f ′ (x)2 dx
!
10.1 Skalares Kurveni...