12 Differentialrechnung und Integralrechnung

Werbung
2
Differentialrechnung und Integralrechnung
12 Differentialrechnung und Integralrechnung
12.1 Differenzen- und Differentialquotient
Differenzenquotient: mittlere Änderung pro Einheit, Steigung der Sekante durch die Punkte (​  ​x0​ ​ | f (​x0​ ​)  )​
Δy f (​x1​​ ​)  −  f (​x0​​ ​)
und ​( ​x1​ ​ | f (​x1​ ​)  )​: ___
​  Δx  ​= ​ _________
   
​  
.
​x​​ ​  − ​x​​ ​
1
0
Differentialquotient: Grenzwert des Differenzenquotienten
f ​( ​x0​​ ​ + h )​  −  f (​x0​​ ​)
dy
Δy
f (x​)  −  f (​x0​​ ​)
____________
y′= f ′ (​x​​0​)  = ​ ___
  ​ = ​  lim  ​ ​  ___  ​ = ​  lim  ​ ​  ________
   
​  = ​ lim  
 
 
​  
.
   ​ ​  
dx    Δx    x  − ​x​​ ​
h
Δx → 0
x → ​x0​ ​
0
h → 0
Eine Funktion ist differenzierbar in ​x0​​ ​ , wenn der Differentialquotient f ′(​x0​​ ​) existiert, also der ­Grenzwert
des Differenzenquotienten.
12.2 Ableitungen
Funktion
Ableitung
n​
n − 1
Funktion
Ableitung
y = arcsin x
1   ​ 
_
y′ = ​ ______
​√ 1  − ​x​​2​ ​ 
y  = ​x​​ ​
y′  =  n · ​x​​
y  = ​e​​x​​
y′  = ​e​​x​​
y = arccos x
y  = ​a​​x​​
y′  = ​a​​x​​ · ln a
y = arctan x
1   ​ 
y′ = ​ _____
2
y = ln x
y′ = ​ __1 ​ 
y = sinh x
y′ = cosh x
y = lg x
1   ​ 
y′ = ​ _____
x · ln 10
y = cosh x
y′ = − sinh x
y = sin x
y′ = cos x
y = tanh x
1    
y′ = ​ ______
2 ​
y = cos x
y′ = − sin x
y = tan x
1    
y′ = 1 + ​tan​2​ x  = ​ _____
2 ​
​
x
1   ​ 
_
y′ = − ​ ______
​√ 1  − ​x​​2​ ​ 
1  + ​x​​ ​
cos​h​ ​ x
co​s​ ​ x
12.3 Ableitungsregeln
(1) f, g differenzierbar, k ∊ ℝ
1
Additive Konstante
f = konst ⇒ f ′ = 0
Quotientenregel 1)
Summenregel
( f ± g)′ = f ′ ± g′
Reziprokenregel 1)
Faktorregel
(k · f)′ = k · f ′
Kettenregel 2)
Produktregel
( f · g)′ = f ′ · g + f · g′
) g (x) ≠ 0
f ′ · g – f · g′
   
​ 
(​​  __​  gf ​  )​​′​ = ​ ________
​g​ ​
g′
(​​  __​  1g  ​  )​​′​ = – ​ __​g​   ​​ 
2
2
y = y ​( z (x) )​
⇒ y′ = y′ (z) · z′ (x)
dy dy dz
oder __
​   ​  = ​ __ ​ · ​ __ ​
2
) Voraussetzung: f in a und g in f (a) differenzierbar
1   ​   
1   ​ 
(2) Ableitung der Umkehrfunktion f * an der Stelle y = f (x): ( f *)′ (y) = ​ _______
= ​ ____
f ′ ​( f * (y) )​ f ′ (x)
dx
dz dx
Differentialrechnung und Integralrechnung
12.4 Graphenuntersuchung
(1)Der Definitionsbereich (auch Definitionsmenge) ist die Menge an Zahlen, der wir eine bestimmte
Zahl aus dem Wertebereich (auch Zielbereich) zuordnen.
(2) Verhalten an den Rändern der Definitionsmenge:
​  lim ​  f (x) bzw.   
​ lim ​  f (x), falls r Randstelle oder Definitionslücke,
Untersuchung von   
​  lim  ​  f (x),   
x → +∞
x → –∞
(Stelle, an der f (r) nicht definiert ist) ist.
x → r
(3) Nullstellen
f (​xN​ ​) = 0
Nullstellen findet man durch Zerlegen des Funktionsterms in Faktoren: f (x) = ​f1​ ​ (x) · ​f2​ ​ (x)
(vgl. auch Linearfaktorzerlegung)
(4) Symmetrie
Achsensymmetrie:
zur y-Achse
zu x = a
Punktsymmetrie:
zum Ursprung
zu S (a | b)
S (a b)
x=a
f (– x) = f (x)
f (a – x) = f (a + x)
f (– x) = – f (x)
f (a + x) + f (a – x) = 2 b
Für ganzrationale Funktionen gilt: Treten nur Potenzen von x auf mit
– geraden Exponenten, so liegt Achsensymmetrie zur y-Achse vor.
– ungeraden Exponenten, so liegt Punktsymmetrie zum Ursprung vor.
(5) Monotonie, Extrempunkte
Monotonieintervalle sind bestimmt durch die
Extrempunkte von f und die Definitionslücken
(vgl. Monotoniesätze S. 37)
f' > 0
Extremstellen liegen vor, falls:
f ′(​xE​ ​) = 0 und f ′ hat Vorzeichenwechsel in x​ E​ ​
oder: f ′ (​x​E​) = 0 und f ″ (​xE​ ​) > 0
(lokales Minimum)
oder: f ′ (​x​E​) = 0 und f ″ (​xE​ ​) < 0
(lokales Maximum)
f' < 0
f' < 0 f' > 0
f' > 0
xE
f ' (xE) = 0
f' > 0
f' < 0
f' < 0
f' < 0
f' > 0
xE
f ' (xE) = 0
3
4
Numerische Methoden
14 Numerische Methoden
14.1 Näherungsweises Berechnen von Nullstellen
Sekantenverfahren (Regula falsi)
y
f (x1) < 0
Tangentenverfahren (Newton)
y
f (x2) < 0
f
xn + 1
x1
x0
x
x2
​x​ ​  – ​x​ ​
f (​x2​ ​)  –  f (​x1​ ​)
x
xn
f (​x​ ​)
f ′ (​xn​ ​)
2
1
​x0​ ​  = ​x​1​ – f (​x1​ ​) ​ _________
   ​ 
n
  ​  , n ∊ 핅
​x ​n + 1​  = ​x​n​ – ​ _____
Falls f (​x0​ ​) > 0, setze ​x2​ ​:  = ​x0​ ​ ,
Falls f (​x0​ ​) < 0, setze x​ 1​ ​:  = ​x0​ ​ .
Allgemeines Iterationsverfahren
(1) Suche a, b so, dass f (a), f (b) verschiedene Vorzeichen haben.
(2) Forme f (x) = 0 um: x = g (x)
(3)Die rekursiv definierte Folge x​ ​n + 1​  =  g (​xn​ ​) konvergiert gegen die Nullstelle, falls g′ stetig auf [a; b]
und |g′ (x)| < 1.
y=x
y
y=x
y
g
g
x0
x
x2 x4 x3 x1
– 1 < g′ (x) < 0
x0
x 1 x2
x
0 < g′ (x) < 1
14.2 Integrale
Trapezsummenregel
Zerlegung von [a; b] in n gleichbreite Teilintervalle.
Ersetzen des Graphen von f durch einen Streckenzug liefert:
y
f
b
b – a   ​  · ​  f (a) + 2 f (​x​ ​)  +  2 f (​x​ ​) + … + 2 f (​x​ ​) + f (b)  ​  = ​T​ ​
​∫​   ​f (x) dx​  ≈ ​ ____
) n
1
2
n – 1
2 n (
a
Fehlerabschätzung:
b
f ″ (ϑ) · ​(b – a)​ ​
​ ​   ​f (x) dx  – ​T​n​​  =  – ​ __________
∫
 
 
​ mit
12 ​n2​ ​
a
3
ϑ ∊ [a; b]
b
n – 1
a
i = 0
b – a   ​ ​ ∑ 
​  ​  f (​xi + 0,5
​
​)​
Mittelpunkts- oder Tangentenformel: ∫
​ ​   ​f (x) dx​  ≈ ​ ____
2 n
a x1 x2 x3 … xn − 1 b x
Numerische Methoden
Simpson’sche Regel
Zerlegung von [a; b] in eine gerade Anzahl n gleichbreiter Teilintervalle.
Ersetzen des Graphen von f durch Parabelstücke liefert:
b
b – a   ​  · ​  f (a) + 4 f (​x​ ​)  +  2 f (​x​ ​)  +  4 f (​x​ ​)  +  2 f (​x​ ​) + … + 4 f (​x​ ​) + f (b)  ​  = ​S​ ​
​∫​   ​f (x) dx​  ≈ ​ ____
) n
1
2
3
4
n – 1
3 n (
a
b
Fehlerabschätzung:
​f​ ​ (ϑ) · (b – a​)​ ​
∫
   
​ 
mit
​ ​   ​f (x) dx – ​Sn​ ​​  =  – ​ ___________
180 ​n4​ ​
(4)
5
a
ϑ ∊ [a; b]
Kepler’sche Fassregel
Sonderfall der Simpson’schen Regel (2 Teilintervalle, Graph durch Parabel ersetzt):
b
( 
( 
b – a
​∫​   ​f (x) dx​  ≈ ​ ____
   ​ ​  f (a) + 4 f ​ ____
​  a + b
   ​   ​ + f (b)  ​
2
6
a
)
)
14.3 Fehlerrechnung
|Δx |: Messunsicherheit oder absoluter Maximalfehler, ​ x​​0​: gemessener Wert, x: wahrer Wert
Messwerte
Absoluter Fehler: |​x 0​
​​ ​ − x | ± |Δx|
|  |
Relative Messunsicherheit oder relativer Maximalfehler: ​ ___
​  Δx
   ​  ​
​x​ ​
0
Absoluter Fehler: Δy = f ′ (x) · Δx
y = f (x)
| Δy |
f ′ (x)
f (x)
Relativer Fehler: ​ ___
​  y   ​   ​  = ​ ____  ​  · Δx
Lineares Fehlerfortpflanzungsgesetz: Δ​zmax
​ ​  =  |​f ​x (​x0​ ​, ​y0​ ​)​ · Δx| + |​f​y (​x0​ ​, ​y0​ ​)​ · Δy|
bei den Grundrechnungsarten:
z = x + y oder z = x − y ⇒ Δ​zm
​ ax​ = |Δx| + |Δy|
z = f (x, y)
| 
| |  |
Δy
Δ​z​max​
​x​ ​
z = x · y oder z = ​ __xy ​  ⇒ ​ ​ _____
   
 ​  ​ = ​ ___
​  Δx
  ​   ​  + ​ ___  ​  , ​z0​ ​  = ​x​0​ · ​y0​ ​ oder ​z0​ ​  = ​ __0 ​ 
​x​ ​
​y​ ​
​y​ ​
​z​ ​
0
0
0
0
14.4 Methode der kleinesten Quadrate
Gegeben sind die Messpunkte P
​ 1​ ​ (​x1​ ​ | ​y1​ ​), ​P2​ ​ (​x2​ ​ | ​y2​ ​), …, ​Pn​ ​ (​xn​ ​ | ​y​n​). Eine Funktion, mit der man die Mess­
punkte annähern will, ist festzulegen f (x; a, b, …). a, b, … sind die Parameter der Funktion und daher
gesucht, indem man den Fehler minimiert (Extremwertaufgabe).
n
∂ g
∂ g
g (a, b, …) = ​∑   
​  [​yi​ ​  −  f (​xi​ ​; a, b, …)​]2​ ​​ = Min! ⇒ ___
​    ​ = 0, ___
​   ​ = 0,
 
…
i = 0
∂ a
∂ b
Spezialfall: Annäherung durch eine Gerade (siehe Regressionsgerade)
5
6
Wahrscheinlichkeitsrechnung
16.1 Diskrete Verteilung
Binomialverteilung
Zufallsversuch: Bernoulli-Versuch
Aus einer Gesamtheit wird n-mal mit Zurücklegen gezogen. Man unterscheidet nur (die Ausprägungen)
Erfolg bzw. Misserfolg. Die Wahrscheinlichkeiten für einen Erfolg (p) bzw. für einen Misserfolg (q = 1 – p)
sind auf jeder Stufe gleich.
Zufallsgröße X: Anzahl der Erfolge beim n-stufigen Bernoulli-Versuch mit q = 1 – p.
k = 0, 1, …, n
µ = n · p ​σ​2​ = n · p · q
P (X = k) = ​( n​   ​  )​ · ​pk​ ​ ​qn ​ – k​
​k​
Zusammenhang mit dem Binomischen Lehrsatz:
n   ​  ​ ​pn 1 = (q + p​)​n​ = ​( n​​0   ​ ​)​ ​qn​ ​  + ​( n​​1   ​ ​)​ p ​qn ​ – 1​ + ​( n​​2   ​ ​)​ ​p2​ ​ ​qn ​ – 2​ + … + ​( ____
​  n – 1
) ​ – 1​ q + ​( n​n​  ​  ​)​ ​pn​ ​
= P (X = 0) + P (X = 1) + P (X = 2)  + … + P (X = n – 1) + P (X = n)
Die Poisson-Verteilung ist eine Annäherung für die Binomialverteilung für große n (≥ 100) und kleine
p (≤ 0,1):
​μ​k​
P (X = k) ≈ ​ __
 ​  · ​e–µ
​ ​, k ∊ 핅, µ = n · p, σ
​ ​2​ ≈ µ
k!
Rekursive Berechnung: P (X = 0) = ​e– ​ µ​
µ
P (X = k) = ​ __
 ​  · P (X = k – 1), k = 1, 2, … , n
k
Geometrische Verteilung
Zufallsgröße X: Anzahl der Stufen bis zum ersten Eintreten eines Erfolges mit p: Wahrscheinlichkeit des
Ereignisses und q = 1 – p.
q
1  ​ ; ​σ 2​ ​ = ​ __
P (X = k) = p · ​qk ​ – 1​, k ∊ ℕ*, µ = ​ __
2   ​
p
​p​ ​
Gleichverteilung
Zufallsgröße X nimmt die Werte 1, 2, …, m mit gleicher Wahrscheinlichkeit an:
2
1  ​,  µ = ​ _____
m + 1
​m​ ​ – 1
P (X = k) = ​ __
   
​,  ​σ2​ ​  = ​ _____
   
​ 
2
12
m
Hypergeometrische Verteilung
Zufallsversuch:
Aus einer Gesamtheit vom Umfang N wird eine Stichprobe vom Umfang n gezogen
(d. h. nacheinander ohne Zurücklegen oder mit einem Griff).
In der Gesamtheit sind zwei Merkmalsausprägungen vom Umfang K bzw. N – K.
Zufallsgröße X: Anzahl der Merkmalsträger 1. Art in der Stichprobe
( k ) ( n – k )
​K
​   ​  ​ ​ N – K
​     ​   ​
​​ ​
​
   
​  
, k = 0, 1, …, n, µ
 = n · p, σ = n · p · (1 – p) _____
​ N – n
  ​ 
P (X = k) = ​ ________
N
N – 1
​( ​​n   ​​ )​
K ​ 
wobei p = __
​ N
N  ​ > 10
Approximation durch die Binomialverteilung, falls ​ __
n
Wahrscheinlichkeitsrechnung
16.2 Stetige Zufallsvariable
Wahrscheinlichkeit dafür, dass eine stetige Zufallsgröße X einen Wert aus dem Intervall B = [​x​1​, ​x2​ ​]
­annimmt:
​x​2​
P(​x1​ ​ ≤ X ≤ ​x2​ ​) = ​∫​  ​  f (x) dx​ = F (​x2​ ​)  −  F (​x1​ ​)
​x1​ ​
Normalverteilung N (μ, ​σ2​ ​)
Normalverteilte Zufallsgröße X mit Erwartungswert µ und Standardabweichung σ:
X ist eine stetige Zufallsgröße mit der Dichtefunktion
(  ) ​
x – μ 2
– ​ __21 ​ ​​  ​ ____
  
​   ​ ​
σ
1_
f (x) = ​ _____
   ​  
· ​e​
σ ​√ 2 π ​ 
Gauss’sche Dichtefunktion
(Dichtefunktion der Standard-Normalverteilung):
j (z)
0,4
2
​z​ ​
__
1   ​  · ​e– ​ ​ 2  ​ ​
_
φ (z) = ​ ____
​√ 2 π ​ 
Gauss’sche Integralfunktion
z
Φ (z) = ​∫​  ​   φ (t) dt​
0,1
– ∞
–3
–2
1
–1
2
3
z
Standardisierte Normalverteilung N (0, 1)
Wird die Normalverteilung N (μ, ​σ2​ ​) zentriert auf μ = 0, σ
​ 2​ ​ = 1, so ergibt sich die Standard-Normal­
verteilung N (0, 1) (Gauss’sche Dichtefunktion), die von der Tabelle im Anhang abgelesen werden kann.
2
​x​ ​
__
1   ​  · ​e​− ​  2  ​ ​ , und somit für die Verteilungs_
Für die Wahrscheinlichkeitsdichtefunktion ergibt sich: φ (x) = ​ ____
​√ 2 π ​ 
x
funktion:
​t​ ​
__
1   ​  ​
_
  ∫​   
​ ​e− ​ ​ 2 ​ ​ dt​
Φ (x) = P (X ≤ x) = ​ ____
​√ 2 π  ​– ∞
Transformationsformel
2
x − μ
z = ​ ____
   
​ 
σ
Verteilung von Stichprobenmittelwerte
Ein Zufallsversuch mit der Zufallsgröße X werde n-mal durchgeführt.
​ x​ ​ = E (X) = E (​X i​ ​) und ​σx​2​  ​ = V (X) = V (​X i​ ​)
Xi sei die Zufallsgröße der i-ten Stufe mit µ
__
_
1 ​  (​X​ ​ + … + ​X​ ​) gilt:
√
​  n ​ -Gesetz: Für das Stichprobenmittel X​ 
​  = ​ __
i
n
__
_
__
__
__
n
_
√ 
​  )​ ​  = ​
​µ​X​
​​ ​   = ​√ V ​( X​ 
​ ​   = E ​( ​X​  )​ = E (X) = ​µ​X​ , ​σ X​
__
​σ​x​
__
_  ​  .
​  n1 ​  V (X) ​  
= ​ ___
​√ n ​ 
Nach Zentralem Grenzwertsatz ist X​
​  annähernd
__ normalverteilt, wenn n hinreichend groß.
Dann sind Wahrscheinlichkeitsaussagen über X​
​  möglich, z. B.
( | 
__
|
​σ​ ​
√
​  n ​ 
)
x
_
P ​ ​ X​
  ​   ​  ≈  0,95 (vgl. S. 30)
​  – ​µ​x​  ​  ≤  1,96 ​ ___
7
Herunterladen