Mathematik für Biologiestudierende¶
Wintersemester 2024/25
11.12.2024
© 2024 Prof. Dr. Rüdiger W. Braun
Differentialrechnung¶
Differentialrechnung kommt in der Biologie vor
- Bestimmung von Maxima und Minima: mehrdimensionale Kurvendiskussion
- in der Statistik
- Maximum-Likelihood Schätzer
- z.B. in der Statistik linearer Modelle (Thema im zweiten Semester, passiert aber "unter der Haube")
- in der Statistik
- Bei der Modellierung von Prozessen: Dynamische Systeme
- Integrale: die Verteilungsfunktionen von kontinuierlichen Zufallsvariablen sind Integrale
Ableitung als Tangentensteigung¶
Die Ableitung einer Funktion $f$ an einer Stelle $x$ gibt die Steigung der Tangente in $x$ an
Die Tangentensteigung wird durch Sekantensteigungen approximiert
$$ f'(x) = \lim_{h\to0} \frac{f(x+h) - f(x)}h $$
Ableitungen wichtiger Funktionen¶
\begin{align*} f(x) &= C & f'(x) &= 0 & \text{Konstante} \\[2ex] f(x) &= x^n & f'(x) &= n \cdot x^{n-1} \\[2ex] f(x) &= \frac1x & f'(x) &= -\frac1{x^2} \\[2ex] f(x) &= \exp(x) & f'(x) &= \exp(x) \\[2ex] f(x) &= \ln(x) & f'(x) &= \frac1x \end{align*}
Produktregel¶
$$ f(x) = g(x) \cdot h(x) $$ Dann $$ f'(x) = g'(x) \cdot h(x) + g(x) \cdot h'(x) $$
Beispiel $$ f(x) = x^3 \cdot \exp(x) $$
\begin{align*} g(x) &= x^3 & h(x) &= \exp(x) \\ g'(x) & = 3x^2 & h'(x) &= \exp(x) \end{align*}
$$ f'(x) = 3 x^2 \cdot \exp(x) + x^3 \cdot \exp(x) $$
Kettenregel¶
$$ f(x) = g(h(x)) $$ Dann $$ f'(x) = g'(h(x)) \cdot h'(x) $$
Beispiel:
$$ f(x) = e^{5x} $$
\begin{align*} g(x) &= \exp(x) & h(x) &= 5x \\ g'(x) &= \exp(x) & h'(x) &= 5 \end{align*}
$$ f'(x) = 5\exp(5x) $$
Noch ein Beispiel:
$$ f(x) = 2^x $$
Was ist überhaupt $2^x$ ?
$$ 2^x = \exp(\ln(2) \cdot x) $$
\begin{align*} g(x) &= \exp(x) & h(x) &= \ln(2) \cdot x \\ g'(x) &= \exp(x) & h'(x) &= \ln(2) \end{align*}
$$ f'(x) = \ln(2) \cdot \exp(\ln(2) \cdot x) = \ln(2) \cdot 2^x $$
Ableitungsregeln¶
$$ h(x) $$ | $$ h'(x) $$ | |
---|---|---|
$Cf(x)$ | $C f'(x)$ | |
$f(x) + g(x)$ | $f'(x) + g'(x)$ | |
$f(x) \cdot g(x)$ | $f'(x) \cdot g(x) + f(x) \cdot g'(x)$ | Produktregel |
$f(g(x))$ | $f'(g(x)) \cdot g'(x)$ | Kettenregel |
Hierbei ist $C$ eine Konstante
Beispiel¶
$f(x) = x^2 \cdot \exp(-x)$
\begin{align*} f'(x) &= \left(x^2\right)' \cdot \exp(-x) + x^2 \cdot \left( \exp(-x) \right)' & & \text{Produktregel} \\ &= 2x \cdot \exp(-x) + x^2 \cdot(-1) \cdot \exp(-x) & & \text{Kettenregel} \\ &= \left( 2x - x^2 \right) \cdot \exp(-x) & & \text{Distributivgesetz} \end{align*}
Abbildung für das Beispiel¶
import numpy as np
np.set_printoptions(legacy='1.21')
import pandas as pd
import seaborn as sns
sns.set_theme()
df = pd.DataFrame()
x = np.linspace(0, 10, 1000)
df['x'] = x
df['y'] = x**2 * np.exp(-x)
df['ys'] = (2*x - x**2) * np.exp(-x)
ax = sns.lineplot(data=df, x='x', y='y')
ax = sns.lineplot(data=df, x='x', y='ys')
Qualitatives Verhalten¶
- wenn $f'(x)>0$, dann wächst die Funktion
- wenn $f'(x)<0$, dann fällt sie
Beispiel: Inflation¶
- die Inflationsrate ist die Ableitung des Preises
- seit unvordenklichen Zeiten ist die Inflationsrate positiv: Preise steigen
- in 2022 stieg auch die Inflationsrate: Preise steigen noch schlimmer
- in 2024 ist die Inflationsrate gefallen (2.5% Inflation statt 10%): Preise steigen
Qualitatives Verhalten¶
- wenn $f'(x)>0$, dann wächst die Funktion
- wenn $f'(x)<0$, dann fällt sie
Das bedeutet: Für einen Hoch- oder Tiefpunkt $x_0$ von $f$ gilt $f'(x_0)=0$.
Höhere Ableitungen¶
- Die Ableitung der Ableitung nennt man zweite Ableitung und schreibt $f''(x)$ dafür
- Zweite Ableitungen treten in der Physik (als Beschleunigung) und überhaupt bei dynamischen Systemen auf
- "Die Inflation hat sich abgeschwächt" bedeutet: "Die zweite Ableitung der Konsumentenpreise ist negativ"
Beispiel¶
$$ f(x) = x^2 \cdot \exp(-x) $$
$$ f'(x) = \left( 2x - x^2 \right) \cdot \exp(-x) $$
\begin{align*} f''(x) &= \left( 2 - 2x \right) \cdot \exp(-x) + \left( 2x - x^2 \right) (-1) \exp(-x) && \text{Produktregel} \\ &= \left( 2 - 4x + x^2 \right) \cdot \exp(-x) \end{align*}
- Wir wollen $f$, $f'$ und $f''$ in ein Bild zeichnen, und zwar mit
seaborn
- Im Gegensatz zu
df
von oben benötigen wir dazu ein DataFrame inLangform - Das bedeutet, dass die Werte $f(x)$, $f'(x)$ und $f''(x)$ alle in derselben Spalte stehen und durch einen kategoriellen Wert in einer weiteren Spalte unterschieden werden
- Bei den Pinguin-Daten war das auch so
d0 = pd.DataFrame()
d0['x'] = x
d0['y'] = x**2 * np.exp(-x)
d0['Ableitung'] = "nullte"
d1 = pd.DataFrame()
d1['x'] = x
d1['y'] = (2*x - x**2) * np.exp(-x)
d1['Ableitung'] = "erste"
df = pd.concat([d0, d1])
d2 = pd.DataFrame()
d2['x'] = x
d2['y'] = (2-4*x+x**2) * np.exp(-x)
d2['Ableitung'] = "zweite"
df = pd.concat([d0, d1, d2], ignore_index=True)
df[992:1008]
x | y | Ableitung | |
---|---|---|---|
992 | 9.92993 | 0.004802 | nullte |
993 | 9.93994 | 0.004763 | nullte |
994 | 9.94995 | 0.004725 | nullte |
995 | 9.95996 | 0.004688 | nullte |
996 | 9.96997 | 0.004650 | nullte |
997 | 9.97998 | 0.004613 | nullte |
998 | 9.98999 | 0.004576 | nullte |
999 | 10.00000 | 0.004540 | nullte |
1000 | 0.00000 | 0.000000 | erste |
1001 | 0.01001 | 0.019721 | erste |
1002 | 0.02002 | 0.038854 | erste |
1003 | 0.03003 | 0.057408 | erste |
1004 | 0.04004 | 0.075397 | erste |
1005 | 0.05005 | 0.092831 | erste |
1006 | 0.06006 | 0.109721 | erste |
1007 | 0.07007 | 0.126079 | erste |
concat
steht für "concatenate", also "verheften"
sns.relplot(data=df, x='x', y='y', hue='Ableitung', kind='line');
sns.relplot(data=df, x='x', y='y', col='Ableitung', kind='line');
sns.lineplot
: Eine einzelne Kurvesns.relplot(…, kind='line')
: mehrere Kurven- je nachdem, ob
hue
odercol
zur Unterscheidung benutzt wird, erhält man einen oder mehrere Graphen
- je nachdem, ob
sns.scatterplot
: Eine einzelne Punktwolkesns.relplot(…, kind='scatter')
: mehrere Punktwolken
Beispiel: Konzentrationen in einer Zelle¶
- Die Konzentration eines bestimmten Proteins in einer Zelle zum Anfangszeitpunkt $t=0$ beträgt $0\mu g/m\ell$
- Zuerst steigt sie schnell mit $0.8\frac{\mu g}{m\ell\cdot s}$
- Nach 2 Sekunden steigt die Konzentration nicht mehr, das Protein wird von da an exponentiell abgebaut
Modell¶
$$ f(t) = A \cdot t \cdot \exp(-b\cdot t) $$
\begin{align*} f'(t) &= A \cdot \exp(-b \cdot t) + A \cdot t \cdot(-b) \cdot \exp(-b \cdot t) \\ &= (A - Abt) \cdot \exp(-b \cdot t) \end{align*}
Wir haben zwei Gleichungen
- f'(0) = 0.8
- f'(2) = 0
Einsetzen
- $f'(0) = A$, also $A=0.8$
$f'(2) = 0$, also $ (A - 2Ab) \cdot \exp(-2b) = 0 $
$\exp(-2b)$ ist nicht Null, also muss $ A - 2Ab = 0$ gelten, d.h. $b=0.5$
Unser Modell ist also
$$ f(t) = 0.8t \cdot \exp(-0.5t) $$
t = np.linspace(0, 10)
y = 0.8*t * np.exp(-0.5*t)
ax = sns.lineplot(x=t, y=y)
- Maximum bei $t=2$, das ist eine der Ausgangsgleichungen
- Wert dort
0.8 * 2 * np.exp(-0.5*2)
0.5886071058743078
Integralrechnung¶
Flächeninhalt¶
- $f(x)$ eine Funktion, die keine negativen Werte annimmt
- $a$ und $b$ Intervallgrenzen
- den Inhalt der Fläche unter $f(x)$ zwischen $a$ und $b$ bezeichnet man mit $$ \int_a^b f(x) dx $$
- $ \int_a^b f(x) dx $ ist das Integral von $f(x)$ in den Grenzen von $a$ bis $b$
Skizze¶
- Funktion $f(x)$ darf nun auch negative Werte annehmen
- Dann ist $$ \int_a^b f(x) dx $$ die Differenz zwischen dem Flächeninhalt oberhalb und dem Flächeninhalt unterhalb der $x$-Achse
- $\int_a^b f(x) dx$ ist also negativ, wenn die Fläche unterhalb der $x$-Achse größer ist als die Fläche oberhalb ist
- Das Zeichen $\int_a^b$ ist das "bestimmte Integral"
Stammfunktion¶
Falls $$ F'(x) = f(x) $$
- dann ist $f$ die Ableitung von $F$
- und $F$ ist eine Stammfunktion von $f$
- Man schreibt $$ \int f(x) dx = F(x) $$
- Das Zeichen $ \int $ ist das "unbestimmte Integral"
- Stammfunktionen sind nicht eindeutig
- Wenn $F(x)$ eine Stammfunktion von $f(x)$ ist, dann ist auch $F(x) + C$ eine Stammfunktion von $f(x)$, wenn $C$ eine Konstante ist
- Das liegt daran, dass $C' = 0$
Beispiel¶
- $\frac{x^2}2$ ist eine Stammfunktion von $x$, denn $(x^2)' = 2x$
- Wir schreiben $$ \int x\, dx = \frac{x^2}2 $$
- In Lehrbüchern findet man auch die Schreibweise $$ \int x\, dx = \frac{x^2}2 + C $$ um anzudeuten, dass die Stammfunktion nicht eindeutig ist
Hauptsatz der Differential- und Integralrechnung¶
Wenn $F(x)$ eine Stammfunktion von $f(x)$ ist, dann $$ \int_a^b f(x) dx = F(b) - F(a) $$
Man schreibt $$ \int_a^b f(x) = F(x) \Bigr|_a^b $$
Beispiel $$ \int_0^5 x\, dx = \frac12 x^2 \Bigr|_0^5 = \frac12 5^2 - \frac12 0^2 = \frac{25}2 = 12.5 $$
Skizze¶
Das Dreieck füllt das Quadrat mit der Seitenlänge 5 zur Hälfte aus. Sein Flächeninhalt ist also tatsächlich gleich 12.5
Eigenschaften des Integrals¶
- Wenn $a<b<c$, dann $$ \int_a^b f(x) dx + \int_b^c f(x) dx = \int_a^c f(x) dx $$
- Speziell $$ \int_a^a f(x) dx = 0 $$
- Der Hauptsatz verbindet Ableitung und Integral
- Daher führen Produkt- und Kettenregel zu Integrationsregeln
- Die Produktregel führt zur partiellen Integration
- Die Kettenregel zur Substutionsregel
- Viele wichtige Integrale lassen sich aber trotzdem nicht geschlossen ausdrücken
- "geschlossen" bedeutet, dass das Integral in Termen von bereits bekannten Funktionen geschrieben wird
- Beispiel für ein Integral, dass nicht geschlossen ausgedrückt werden kann $$ \int e^{-x^2} dx $$