2. Stetige lineare Funktionale

Größe: px
Ab Seite anzeigen:

Download "2. Stetige lineare Funktionale"

Transkript

1 Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn eine gewöhnliche Funktion f : ú 6 zu einer in einem t 0 0 ú stetig ist, so heißt das definitionsgemäß, dass Dies wiederum ist dadurch definiert, dass für jede Folge (t n )' (t 1, t 2,...) aus ú, die für n 6 4 gegen t 0 konvergiert, für die also ' t 0 gilt. So ist die folgende Definition für ein Funktional T : D(ú) 6 nur naheliegend: T heißt stetig in einem n 0 0 D(ú), wenn für jede Folge (n n ) ' (n 1, n 2,...) aus D(ú), die für n 6 4 gegen n 0 konvergiert. Die Frage ist nur, was man unter der Konvergenz der Folge (n n ) gegen n 0 zu verstehen hat. Weil (n n ) eine Folge von Funktionen n n : ú 6 auch die Frage nach den für Funktionenfolgen üblichen Konvergenzbegriffen. ist, stellt sich damit (2.1) Konvergenzbegriffe für Funktionenfolgen. Im Hinblick auf spätere Anwendungen betrachten wir zunächst nicht nur Folgen von Testfunktionen, sondern allgemeiner gleich Folgen von Funktionen f n : A n (d ú) 6, wobei n 0 ù. Zur Definition eines für solche Folgen häufig verwendeten Konvergenzbegriffs wird der Begriff des Supremums einer Menge A d ú benötigt. Eng damit verwandt ist der des Infimums von A. Als Erstes sollen daher diese zwei Begriffe erklärt werden. (2.1.1) Definition: Sei A d ú. Dann heißt A 1) nach oben beschränkt, wenn ein c > 0 existiert, so dass t # c für alle t 0 A; 2) nach unten beschränkt, wenn ein c > 0 existiert, so dass t $ &c für alle t 0 A. Eine Menge A d ú ist genau dann nach oben und nach unten beschränkt, wenn sie beschränkt im Sinne von Definition (1.3.6) ist. (2.1.2) Definition: Sei A d ú. Dann ist definiert 1) das Supremum von A durch sup A :' max A a, wenn A nach oben beschränkt ist, :'% 4, sonst; 2) das Infimum von A durch inf A :' min A a, wenn A nach unten beschränkt ist, :'& 4, sonst. (A a : abgeschlossene Hülle von A; s. (1.3.2)). Das Supremum einer Menge A d ú ist gleich dem Maximum von A, wenn dieses existiert. Anderenfalls ist das Supremum eine Art von Ersatz für das nicht vorhandene Maximum. In der gleichen Relation zueinander stehen auch das Infimum und das Minimum von A. Beispiel: Das halboffene Intervall A ' [0, 1, besitzt ein Minimum, nämlich min A ' 0, aber kein

2 -22- Maximum. Die Größen sup A und inf A existieren jedoch beide. Weil A a ' [0, 1], gilt sup A ' max A a ' 1 und inf A ' min A a ' 0. Da min A existiert, ist inf A ' min A ' 0. Im Folgenden treten diese Begriffe fast immer im Zusammenhang mit einer Funktion f : A (d ú) 6 ú auf. Betrachtet wird dann das Supremum oder Infimum der Bildmenge f (I) :' {f (t)* t 0 I} einer Menge I d A, die in der Regel ein Intervall sein wird. In einer Skizze des Graphen von f liegt f(i) auf der Ordinatenachse. Für sup f(i) und inf f(i) schreibt man gerne auch und Beispiel: Sei f : ú 6 ú die arctan - Funktion, also f (t) :' arctan t œ t 0 ú. Weil f auf ganz ú monoton wächst, gilt z. B.: oder, und für die entsprechenden Infima: bzw.. Dabei ist zum Beispiel nur eine andere Schreibweise für Für Funktionenfolgen sind mehrere Konvergenzbegriffe gebräuchlich. Zu den wichtigsten gehören die Begriffe der punktweisen und der gleichmäßigen Konvergenz auf einer Menge I d ú. (2.1.3) Definition: Gegeben seien eine Folge von Funktionen f n : A n (d ú) 6, wobei n 0 ù, und eine Funktion f : A 6, sowie eine Menge I d ú mit I d A n für alle n 0 ù und I d A. Dann heißt die Folge (f n )' (f 1, f 2,...) für n 64 1) auf I punktweise konvergent gegen f, wenn für jedes t 0 I, 2) auf I gleichmäßig konvergent gegen f, wenn Wir schreiben dann oft 1) im Fall der punktweisen Konvergenz: pw. auf I, 2) im Fall der gleichmäßigen Konvergenz: glm. auf I. Für ein festes t 0 I ist (f n (t)) eine Zahlenfolge und f(t) eine Zahl aus, und die Aussage ' f(t) ist daher gleichwertig mit der Aussage Die Größe *f n (t)& f(t)* ist der Abstand, den die Zahlen f n (t) und f(t), d. h. die Funktionswerte von f n und f an der Stelle t in der Zahlenmenge voneinander haben. Folglich ist eine obere Schranke für den Abstand, den die Funktionswerte von f n und f an einer beliebigen Stelle t 0 I voneinander haben können. Daraus folgt sofort:

3 -23- (2.1.4) Satz: Seien (f n ), f und I wie in (2.1.3). Dann gilt: 1) glm. auf I Y pw. auf I; aber: 2) pw. auf I glm. auf I. Beispiel: Sei f n : ú 6 ú für jedes n $ 1 definiert durch œ t 0 ú. Für jedes n $ 1 ist f n gerade, gilt f n (t) ' e & n t für alle t $ 0 und ist f n auf dem Intervall [0, 4, monoton fallend. Für t ' 0 gilt:, und für jedes t 0 hat man:, weil *t* > 0 für t 0. Daraus folgt, dass die Funktionenfolge (f n ) für n 64 punktweise auf ganz ú gegen die für alle t 0 ú durch definierte Funktion f : ú 6 ú konvergiert. (f n ) konvergiert aber für n 6 4 nicht gleichmäßig auf ganz ú gegen f, denn: für jedes n $ 1, so dass. Kommentare: (1): weil *f n (0)& f(0)* '*1& 1* ' 0; (2): weil t 6 e & n *t* gerade; (3): weil t 6 e & n t monoton fallend auf [0, 4,. Für Folgen von Testfunktionen hat man einen ganz speziellen Konvergenzbegriff, nämlich den der sog. D - Konvergenz eingeführt. (2.1.5) Definition: Eine Folge (n n ) von Testfunktionen n n : ú 6, wobei n 0 ù, heißt für n 64 D - konvergent gegen eine Testfunktion n : ú 6, in Zeichen: (D) oder wenn sie die folgenden zwei Bedingungen erfüllt: (D 1) es gibt ein a > 0, so dass Tr(n n ) d [&a, a] für alle n 0 ù; (D 2) für alle k 0 ù 0. (Dabei wie üblich:, n (0) :' n; ù 0 :' {0, 1, 2,...}). Die Bedeutung von (D 1) ist klar: die Träger der Testfunktionen n n, n 0 ù, müssen alle in einem gemeinsamen Intervall [&a, a], a > 0, liegen. Die Bedingung (D 2) bedeutet, dass sowohl die

4 -24- Folge (n n ) als auch alle Folgen (n n N), (n n O),..., die aus den ersten und allen höheren Ableitungen der Testfunktionen n n, n 0 ù, bestehen, für n 6 4 gleichmäßig auf ganz ú gegen die resp. Testfunktionen n, nn, no,... konvergieren müssen. Sie kann noch einfacher formuliert werden. Zunächst können die in ihr auftretenden Suprema durch die entsprechenden Maxima ersetzt werden, d. h., es gilt: œ n 0 ù, œ k 0 ù 0. Das ist richtig, weil für jedes n 0 ù und jedes k 0 ù 0 die Funktion auf ganz ú stetig ist und außerhalb eines kompakten Intervalls verschwindet. Eine weitere Vereinfachung in der Formulierung von (D 2) ist mit Hilfe der sog. Maximumnorm auf D(ú) möglich. Zu ihrer Definition verwenden wir das Symbol ú % für die Menge der nichtnegativen reellen Zahlen, also: ú % :' {" 0 ú *" $ 0}. (2.1.6) Definition: Die durch œ n 0 D(ú) definierte Abbildung 2. 2 : D(ú) 6 ú % heißt die Maximumnorm auf D(ú). Der Begriff der Norm spielt in der Funktionalanalysis eine große Rolle. Er hat für jeden Vektorraum einen Sinn. Seine Definition ist wie folgt: (2.1.7) Definition: Sei X ein (beliebiger) Vektorraum über. Dann versteht man unter einer Norm auf X eine Abbildung 2. 2 : X 6 ú % mit den folgenden drei Eigenschaften: (N 1) 2x2 ' 0 ] x ' 0. (N 2) 2" x2 '*"*2x2 œ " 0, œ x 0 X. (N 3) 2x % y2 # 2x2 % 2y2 œ x, y 0 X (sog. Dreiecksungleichung). Das bekannteste Beispiel für eine Norm ist der Betrag auf dem Vektorraum ú n, d. h. die durch œ x ' (x 1, x 2,..., x n ) T 0 ú n definierte Abbildung 2. 2 : ú n 6 ú %. Dass sie die Bedingungen (N 1) - (N 3) erfüllt, ist von der elementaren Vektorrechnung und der Linearen Algebra her bekannt. Der Beweis, dass die Maximumnorm auf D(ú) ebenfalls den Bedingungen (N 1) - (N 3) genügt und damit eine Norm im Sinne der Definition (2.1.7) ist, kann zum Beispiel so geführt werden: 1. (Nullfunktion); also ist (N 1) erfüllt. 2. ; gilt für alle " 0 und alle n 0 D(ú) Y (N 2) erfüllt.

5 Für jedes t 0 ú gilt: ; gilt für alle n, R 0 D(ú) Y (N 3) erfüllt. (((): Dreiecksungleichung für Zahlen aus ) m Mit Hilfe der Maximumnorm auf D(ú) kann nun die Bedingung (D 2) von Definition (2.1.5) sehr knapp und übersichtlich wie folgt ausgedrückt werden: (D 2) für alle k 0 ù 0. (2.1.8) Beispiele: Sei n die Testfunktion von Beispiel (1.2.3), d. h.: wobei für t 0 +&1, 1,. Mit n sind auch alle Ableitungen nn, no,... Testfunktionen, wobei Tr(n) ' [&1, 1] und Tr(n (k) ) d [&1, 1] œ k 0 ù. Für jedes k 0 ù 0 ist eine positive reelle Zahl. Ihr exakter Wert, der nur für k ' 0 sofort angegeben werden kann, wird im Folgenden nicht gebraucht. (Für k ' 0: M k ' M 0 ' 2n (0) 2 ' 2n2 ' n(0) ' e &1 ). 1. Sei (R n ) die durch œ t 0 ú, œ n 0 ù definierte Folge von Testfunktionen. Da für jedes t 0 ú, konvergiert (R n ) auf ganz ú punktweise gegen die Nullfunktion R ' 0. Die Folge (R n ) ist auch D - konvergent gegen R ' 0. Es gilt nämlich: i) Tr(R n )' Tr(n) ' [&1, 1] œ n 0 ù Y (D 1) erfüllt. ii) œ n 0 ù, œ k 0 ù 0 und œ k 0 ù 0 Y œ k 0 ù 0 Y (D 2) erfüllt. Also ist (R n ) D - konvergent mit. 2. Sei jetzt (R n ) die durch œ t 0 ú, œ n 0 ù definierte Folge aus D(ú). Weil für jedes t 0 ú und jedes n 0 ù, ist wieder für jedes t 0 ú, so dass auch diese Folge (R n ) auf ganz ú punktweise gegen R ' 0 konvergiert. Sie ist aber nicht D - konvergent gegen R ' 0. Wegen

6 woraus folgt, dass für alle n 0 ù, erfüllt (R n ) zwar die Bedingung (D 1), jedoch nicht die Bedingung (D 2). So gilt zum Beispiel: -26- œ t 0 ú, œ n 0 ù und œ t 0 ú Y 2 œ n 0 ù Y so dass (D 2) für k ' 1 nicht erfüllt ist, weil M 1 > 0. Den nächsten und letzten Satz dieses Abschnitts werden wir im Folgenden des öfteren anwenden. Er folgt sehr schnell aus der Definition (2.1.5) der D - Konvergenz. (2.1.9) Satz: Sei (n n ) eine Folge aus D(ú) und sei n 0 D(ú). Dann gilt: 1) (D) ] (D). 2) (D) Y für jedes k 0 ù.

7 -27- (2.2) Stetige lineare Funktionale. Wir interessieren uns nur für stetige lineare Funktionale auf dem Raum D(ú) aller Testfunktionen n : ú 6. Aufgrund der Bemerkungen zu Beginn von 2 und nach der Vereinbarung eines Konvergenzbegriffs für Folgen aus D(ú) ist die folgende Definition nur selbstverständlich: (2.2.1) Definition: Ein (nicht notwendig lineares) Funktional T : D(ú) 6 heißt 1) stetig in n, wobei n 0 D(ú), wenn für jede Folge (n n ) aus D(ú) mit (D); 2) stetig (deutlicher: stetig auf D(ú)), wenn T in jedem n 0 D(ú) stetig ist. Lineare Funktionale T : D(ú) 6 auf ganz D(ú) stetig, wenn sie nur in n ' 0 stetig sind, d. h.: haben eine besonders erfreuliche Eigenschaft: sie sind schon (2.2.2) Satz: Sei T : D(ú) 6 linear. Dann gilt: T stetig in n ' 0 ] T stetig auf D(ú). Jetzt kann auch der zentrale Begriff dieser Vorlesung endgültig definiert werden. (2.2.3) Definition: Eine ( - wertige) verallgemeinerte Funktion oder auch Distribution auf ú ist ein stetiges lineares Funktional T : D(ú) 6. Weil kürzer, werden wir im Folgenden meistens das Wort Distribution gebrauchen. Aus Satz (2.2.2) und der Definition (2.1.5) der D - Konvergenz folgt: (2.2.4) Satz: Ein lineares Funktional T : D(ú) 6 ist genau dann eine Distribution auf ú, wenn für jede Folge (n n ) aus D(ú) mit (D), d. h. für jede Folge (n n ) aus D(ú), welche die folgenden Bedingungen erfüllt: (D 1) es gibt ein a > 0, so dass Tr(n n ) d [&a, a] für alle n 0 ù; (D 2) œ k 0 ù 0. Hierzu sei noch daran erinnert, dass man bei einem linearen Funktional T anstelle von T(n) lieber +T, n, schreibt. Die Vorteile dieser Schreibweise werden sich noch erweisen. (2.2.5) Beispiele: 1. Sei f : A (d ú) 6 eine lokal integrierbare Funktion. In (1.5.3) wurde schon gezeigt, dass das Funktional [f] : D(ú) 6, definiert durch œ n 0 D(ú), linear ist. Überzeugen wir uns jetzt davon, dass es auch stetig ist. Dazu betrachten wir eine Folge (n n ) aus D(ú) mit den Eigenschaften (D 1) und (D 2) von (2.2.4). Aus (D 1) folgt:

8 -28- daraus weiter mit Hilfe der Ungleichung (2.3.7) von Kap. I: œ n 0 ù, und daraus schließlich aufgrund von (D 2) für k ' 0, dass Nach Satz (2.2.4) ist [f] deshalb stetig auf D(ú) und somit eine Distribution auf ú. 2. Auch die Diracsche Deltafunktion, d. h. das durch +*, n, :' n(0) œ n 0 D(ú) definierte lineare Funktional * : D(ú) 6 (s. (1.5.3)), ist stetig. Ist nämlich (n n ) wieder eine Folge aus D(ú) mit den Eigenschaften (D 1) und (D 2) von (2.2.4), so gilt: œ n 0 ù, woraus nun allein aus (D 2) für k ' 0 folgt, dass

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

VERALLGEMEINERTE FUNKTIONEN. und ELEMENTE DER FUNKTIONALANALYSIS KURZSKRIPTUM. Prof. Dr. K. Pilzweger

VERALLGEMEINERTE FUNKTIONEN. und ELEMENTE DER FUNKTIONALANALYSIS KURZSKRIPTUM. Prof. Dr. K. Pilzweger VERALLGEMEINERTE FUNKTIONEN und ELEMENTE DER FUNKTIONALANALYSIS KURZSKRIPTUM Prof. Dr. K. Pilzweger UNIVERSITÄT DER BUNDESWEHR MÜNCHEN FAKULTÄT FÜR ELEKTROTECHNIK UND INFORMATIONSTECHNIK Herbsttrimester

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:

Mehr

Folgen und Reihen von Funktionen

Folgen und Reihen von Funktionen Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:

Mehr

30 Metriken und Normen

30 Metriken und Normen 31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom

Mehr

sign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0

sign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0 ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt

Mehr

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3 ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 43 2. Folgen und Reihen Folgen und Reihen werden in jedem Analysislehrbuch besprochen, siehe etwa [H, Kapitel III], [K, Kapitel 5], [J2, Kapitel 23] oder [M,

Mehr

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie in der reellen Analysis üblich notiert man Folgen f in der Form 2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches

Mehr

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

Analysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Analysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching Analysis I 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 26, 207 Erinnerung Satz. (Zwischenwertsatz) Sei f : [a, b] R stetig mit f(a) f(b). Dann gibt es zu jedem

Mehr

KAP III. DISTRIBUTIONEN AUF ú

KAP III. DISTRIBUTIONEN AUF ú -29- KAP III. DISTRIBUTIONEN AUF ú Wiederholen wir: eine - wertige Distribution (oder: verallgemeinerte Funktion) auf ú ist ein stetiges lineares Funktional T : D(ú) 6. Für den Wert T(n), den T in einem

Mehr

Aufgabensammlung zur Analysis 1

Aufgabensammlung zur Analysis 1 Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur

Mehr

Ferienkurs Seite 1. Technische Universität München Ferienkurs Analysis 1 Stetigkeit, Konvergenz, Topologie

Ferienkurs Seite 1. Technische Universität München Ferienkurs Analysis 1 Stetigkeit, Konvergenz, Topologie Ferienkurs Seite Technische Universität München Ferienkurs Analysis Hannah Schamoni Stetigkeit, Konvergenz, Topologie Lösung 2.03.202. Gleichmäßige Konvergenz Entscheiden Sie, ob die folgenden auf (0,

Mehr

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) 1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit. Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

Unterricht 13: Wiederholung.

Unterricht 13: Wiederholung. , 1 I Unterricht 13: Wiederholung. Erinnerungen: Die kleinen Übungen nden diese Woche statt. Zur Prüfung müssen Sie Lichtbildausweis (Personalausweis oder Reisepass) Studierendenausweis mitbringen. I.1

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

Mehr

Kommutativität. De Morgansche Regeln

Kommutativität. De Morgansche Regeln 1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)

Mehr

Abschnitt 1.2. Rechnen mit reellen Zahlen

Abschnitt 1.2. Rechnen mit reellen Zahlen Abschnitt 1.2 Rechnen mit reellen Zahlen Addition und Multiplikation Zwei reelle Zahlen a und b kann man zu einander addieren, d. h., den beiden Zahlen wird eine dritte Zahl, a + b, zugeordnet, welche

Mehr

b liegt zwischen a und c.

b liegt zwischen a und c. 2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

Mehr

2. Eigenschaften von Zahlenfolgen

2. Eigenschaften von Zahlenfolgen . Eigenschaften von Zahlenfolgen.. Monotone Folgen ) Definition Eine Folge heisst streng monoton wachsend, wenn für alle n gilt: an+ > an. (D.h. jedes Folgenglied ist grösser als sein Vorgänger. Man sagt

Mehr

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, Stetigkeit Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn

Mehr

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit 10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Höhere Mathematik für Physiker II

Höhere Mathematik für Physiker II Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

HM I Tutorium 2. Lucas Kunz. 3. November 2016

HM I Tutorium 2. Lucas Kunz. 3. November 2016 HM I Tutorium 2 Lucas Kunz 3. November 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Reelle Zahlen.................................. 2 1.2 Intervalle..................................... 2 1.3 Beträge.....................................

Mehr

Klausur - Analysis I Lösungsskizzen

Klausur - Analysis I Lösungsskizzen Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit W und falsche Aussagen mit F. Es sind keine Begründungen

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: Analysis und Lineare Algebra Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 25.06.2018 20. Juni 2018 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler 20. Juni 2018 Konvergenz

Mehr

Übungen zu Einführung in die Analysis

Übungen zu Einführung in die Analysis Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung

Mehr

Zusammenfassung zur Konvergenz von Folgen

Zusammenfassung zur Konvergenz von Folgen Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei

Mehr

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i 3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und

Mehr

Stetigkeit, Konvergenz, Topologie

Stetigkeit, Konvergenz, Topologie Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Stetigkeit, Konvergenz, Topologie 21.03.2012 Inhaltsverzeichnis 1 Stetigkeit und Konvergenz

Mehr

3 Folgen, Reihen und stetige Funktionen

3 Folgen, Reihen und stetige Funktionen Höhere Mathematik 101 3 Folgen, Reihen und stetige Funktionen 3.1 Folgen und Reihen: Definitionen und Beispiele Eine reelle oder komplexe Zahlenfolge ist eine Abbildung, die jeder natürlichen Zahl n eine

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige Konvergenz und Funktionenräume Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen

Mehr

Hauptsatz der Zahlentheorie.

Hauptsatz der Zahlentheorie. Hauptsatz der Zahlentheorie. Satz: Jede natürliche Zahl n N läßt sich als Produkt von Primzahlpotenzen schreiben, n = p r 1 1 p r 2 2... p r k k, wobei p j Primzahl und r j N 0 für 1 j k. Beweis: durch

Mehr

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,

Mehr

Definitionen und Aussagen zur Maßtheorie

Definitionen und Aussagen zur Maßtheorie Definitionen und Aussagen zur Maßtheorie Man möchte den Teilmengen eines Raumes ein Gewicht zuordnen. Wir werden sehen, daß dies in sinnvoller Weise häufig nicht für alle Teilmengen möglich ist, sondern

Mehr

Übungsaufgaben zu Analysis 1 Lösungen von Blatt VI vom

Übungsaufgaben zu Analysis 1 Lösungen von Blatt VI vom Prof. Dr. Moritz Kaßmann Fakultät für Mathematik Wintersemester 04/05 Universität Bielefeld Übungsaufgaben zu Analysis Lösungen von Blatt VI vom 0..4 Aufgabe VI. (6 Punkte) Gegeben sind die Folgen (a n)

Mehr

Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschlag zum Präsenzübungsblatt

Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschlag zum Präsenzübungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 2013/14 24.10.2013 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschlag zum Präsenzübungsblatt

Mehr

Der n-dimensionale Raum

Der n-dimensionale Raum Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand

Mehr

Analysis I. 6. Beispielklausur mit Lösungen

Analysis I. 6. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 6. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine Relation zwischen den Mengen X und Y.

Mehr

1 Reihen von Zahlen. Inhalt:

1 Reihen von Zahlen. Inhalt: 5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

= (n 2 ) 1 (Kurzschreibweise: a n = n 2 ) ergibt die Zahlenfolge 1, 4, 9, 16, 25, 36,.

= (n 2 ) 1 (Kurzschreibweise: a n = n 2 ) ergibt die Zahlenfolge 1, 4, 9, 16, 25, 36,. 2 Folgen, Reihen, Grenzwerte 2.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind (n N; auch

Mehr

1 0, x C X (A). = 1 χ A(x).

1 0, x C X (A). = 1 χ A(x). Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und

Mehr

Brückenkurs Rechentechniken

Brückenkurs Rechentechniken Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige

Mehr

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1. Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )

Mehr

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen

Mehr

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5 3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber

Mehr

θ für alle n n 0, 0, dann divergiert a n. θ n, also die mit a n0 θ n 0

θ für alle n n 0, 0, dann divergiert a n. θ n, also die mit a n0 θ n 0 6 REIHEN 6. Konvergenzkriterien - 19 - Wenn man im Majorantenkriterium die geometrische Reihe als Majorante nimmt, erhält man das (6..18) Quotientenkriterium : Sei (a n ) n N0 eine Folge in C. Es gebe

Mehr

Klausur Höhere Mathematik I für die Fachrichtung Physik

Klausur Höhere Mathematik I für die Fachrichtung Physik Karlsruher Institut für Technologie (KIT Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning WS /3 4.3.3 Klausur Höhere Mathematik I für die Fachrichtung Physik Aufgabe ((4+3+3 Punkte a Welche

Mehr

Ferienkurs Stetigkeit und Konvergenz Seite 1. Technische Universität München Ferienkurs Analysis 1. Musterlösung = lim.

Ferienkurs Stetigkeit und Konvergenz Seite 1. Technische Universität München Ferienkurs Analysis 1. Musterlösung = lim. Ferienkurs Stetigkeit und Konvergenz Seite Technische Universität München Ferienkurs Analysis Hannah Schamoni Stetigkeit und Konvergenz Musterlösung 6.03.20. Grenzwerte I Berechnen Sie lim f(), lim f()

Mehr

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

Vorlesung Der Satz von Fubini. 6.2 Der Satz von Beppo Levi 6.1. DER SATZ VON FUBINI 33

Vorlesung Der Satz von Fubini. 6.2 Der Satz von Beppo Levi 6.1. DER SATZ VON FUBINI 33 6.1. DER SATZ VON FUBINI 33 Vorlesung 6 6.1 Der Satz von Fubini Das Lebesgue-Integralkann natürlichauchüber mehrdimensionale Gebiete definiert werden. Wir haben uns hier auf den eindimenionalen Fallbeschränkt.

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr

Lösungen zur Klausur zur Analysis 1, WiSe 2016/17

Lösungen zur Klausur zur Analysis 1, WiSe 2016/17 BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:

Mehr

Analysis I. Vorlesung 13. Der Zwischenwertsatz

Analysis I. Vorlesung 13. Der Zwischenwertsatz Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Der Zwischenwertsatz Wir interessieren uns dafür, was unter einer stetigen Abbildung f: R R mit einem Intervall passiert. Der Zwischenwertsatz

Mehr

1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2.

1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2. 1. Aufgabe 8 Punkte Geben Sie die Bereiche, auf denen die Funktion f : R R mit f (x) = (x + 1) e x monoton wachsend oder fallend ist, an, und untersuchen Sie die Funktion auf lokale und globale Extrema.

Mehr

1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen

1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen 1 Einleitung Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis 1 aus dem Wintersemester 2008/09

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

Folgen und Reihen. 1 Konvergenz

Folgen und Reihen. 1 Konvergenz Folgen und Reihen Man betrachte viele Zahlen hintereinander geschrieben. Solche Folgen von Zahlen können durch nummeriert werden. Es entsteht eine Zuordnung der natürlichen Zahlen zu den Gliedern der Folge.

Mehr

Musterlösung zu Blatt 6, Aufgabe 5

Musterlösung zu Blatt 6, Aufgabe 5 Musterlösung zu Blatt 6, Aufgabe 5 I Aufgabenstellung Es sei E ein Banachraum. Beweisen Sie gründlich, dass für eine rektizierbare Kurve γ : [a, b] E die Weglängenfunktion t L(γ [a,t] ), t [a, b] stetig

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

Kapitel II Funktionen reeller Variabler

Kapitel II Funktionen reeller Variabler Kapitel II Funktionen reeller Variabler D (Funktion) Es sei f XxY eine Abbildung Die Abbildung f heiß Funktion, falls sie eindeutig ist Man schreibt dann auch: f : X Y f ( x) = y, wobei y das (eindeutig

Mehr

Analysis II. Vorlesung 36. stark kontrahierend, wenn es eine nichtnegative reelle Zahl c < 1 gibt mit

Analysis II. Vorlesung 36. stark kontrahierend, wenn es eine nichtnegative reelle Zahl c < 1 gibt mit Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 36 Weitere Stetigkeitsbegriffe Wir führen einige weitere Stetigkeitsbegriffe ein. Definition 36.1. Es sei eine Abbildung zwischen den metrischen

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 25/6): Differential und Integralrechnung 3 3. (Herbst 2, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende Tatsachen

Mehr

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4 D-MATH, D-PHYS, D-CHAB Analysis I HS 017 Prof. Manfred Einsiedler Lösung 4 Hinweise 1. Zeigen Sie, dass inf X die kleinste obere Schranke von X ist.. Dass z 1, z Lösungen sind, kann man durch Einsetzen

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69 13.1. LINEARE FUNKTIONALE 69 Vorlesung 13 13.1 Lineare Funktionale Der Begriff der schwachen Konvergenz wird klarer, wenn man lineare Funktionale betrachtet. Das Skalarprodukt f, g in Hilberträumenkann

Mehr

2.7. TEILMENGEN VON R 51

2.7. TEILMENGEN VON R 51 2.7. TEILMENGEN VON R 51 für M. Denn zu x M, x > K, gibt es ein b Q mit b (K, x), insbesondere b > K. Dann ist aber K nicht die reelle Zahl, die dem Dedekindschen Schnitt der Mengen A, B entspricht. Ist

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum

Mehr

12 Biholomorphe Abbildungen

12 Biholomorphe Abbildungen 12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

Analysis I. 7. Beispielklausur mit Lösungen

Analysis I. 7. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 7. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine surjektive Abbildung f: L M. () Ein archimedisch

Mehr

Thema 3 Folgen, Grenzwerte

Thema 3 Folgen, Grenzwerte Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N

Mehr

Klausur zur Vorlesung Analysis I für Lehramtskandidaten. (Sommersemester 2008) Dr. C. Lange, J. Schütz

Klausur zur Vorlesung Analysis I für Lehramtskandidaten. (Sommersemester 2008) Dr. C. Lange, J. Schütz Klausur zur Vorlesung Analysis I für Lehramtskandidaten (Sommersemester 008) Dr. C. Lange, J. Schütz Beginn: 17. Juli 008, 10:00 Uhr Ende: 17. Juli 008, 11:30 Uhr Name: Matrikelnummer: Ich studiere: Bachelor

Mehr

Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf. Probeklausur

Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf. Probeklausur Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf Probeklausur Diese Probeklausur soll a) als Test für euch selber dienen, b) die Vorbereitung auf die Klausur

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2015 Folgen und Reihen

Vorbereitungskurs Mathematik zum Sommersemester 2015 Folgen und Reihen Vorbereitungskurs Mathematik zum Sommersemester 2015 Folgen und Reihen Susanna Pohl Vorkurs Mathematik TU Dortmund 12.03.2015 Folgen und Reihen Folgen und Grenzwerte Rechenregeln für konvergente Folgen

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

Mehr

Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.

Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2. Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor

Mehr

Nachklausur Analysis 1 WS 2007 /

Nachklausur Analysis 1 WS 2007 / Nachklausur Analysis 1 WS 27 / 28 18.4.28 Es gibt 11 Aufgaben. Die jeweilige Punktzahl steht am linken Rand. Die Gesamtpunktzahl ist 4 Punkte. Zum Bestehen der Klausur sind 16 Punkte erforderlich. Bei

Mehr