Berechenbare Funktionalanalysis und kompakte Operatoren
|
|
- Valentin Schräder
- vor 7 Jahren
- Abrufe
Transkript
1 Berechenbare Funktionalanalysis und kompakte Operatoren Volker Bosserhoff Oberseminar der Fakultät für Informatik, 22. Juli 2008
2 Typ-2-Berechenbarkeit Rechnen mit endlichen Objekten Σ := {0, 1}. f : Σ Σ berechenbar : es gibt TM, die auf jedem w dom(f ) hält und f (w) ausgibt. Elemente von N, Q etc. lassen sich codieren: ν Notation von M : ν : Σ M surjektiv
3 Typ-2-Berechenbarkeit Rechnen mit endlichen Objekten g : M 1 M 2 (ν 1, ν 2 )-berechenbar : es gibt berechenbares f : Σ Σ mit g(ν 1 (w)) = ν 2 (f (w)) für jedes w ν 1 1 (dom(g)). M 1 g > M 2 ν 1 ν 2 Σ f > Σ
4 Typ-2-Berechenbarkeit Rechnen mit unendlichen Objekten Es gibt kein surjektives ν : Σ R. Benutze unendliche Codewörter (Elemente von Σ ω ). f : Σ ω Σ ω berechenbar : es gibt TM, die bei Eingabe p dom(f ) in unendlicher Zeit f (p) ausgibt δ Darstellung von M : δ : Σ ω M surjektiv
5 Typ-2-Berechenbarkeit Rechnen mit unendlichen Objekten g : M 1 M 2 ist (δ 1, δ 2 )-berechenbar : es gibt berechenbares f : Σ ω Σ ω mit g(δ 1 (p)) = δ 2 (f (p)) für jedes p δ 1 1 (dom(g)). M 1 g > M 2 δ 1 δ 2 Σ ω f > Σ ω
6 Typ-2-Berechenbarkeit Standarddarstellung von R Cauchy-Darstellung ρ von R: ρ(p) = x : p ist codierte Liste (q 0, q 1,...) rationaler Zahlen mit lim n q n = x und q i q j 2 i für j i. x R berechenbar : x hat berechenbaren ρ-namen.
7 Typ-2-Berechenbarkeit Weitere Darstellungen von R Linksschnitt-Darstellung ρ < von R: ρ < (p) = x : p ist codierte Aufzählung der Menge {q Q : q < x}. Rechtsschnitt-Darstellung ρ > von R: ρ > (p) = x : p ist codierte Aufzählung der Menge {q Q : q > x}.
8 Typ-2-Berechenbarkeit Berechenbare Banachräume Sei (X, ) Banachraum (über R). Sei e : N X Folge, deren Spann dicht in X ist (Fundamentalfolge). D e rationaler Spann von e α e kanonische Notation von D e. (X,, e) berechenbarer Banachraum : eingeschränkt auf D e ist (α e, ρ)-berechenbar.
9 Typ-2-Berechenbarkeit Cauchy-Darstellung Sei (X, X, e) berechenbarer Banachraum. Cauchy-Darstellung δ X von X: Codiert x als Folge in D e, die schnell gegen x konvergiert. Sei (Y, Y, h) weiterer berechenbarer Banachraum. f : X Y (δ X, δ Y )-berechenbar f stetig.
10 Typ-2-Berechenbarkeit Berechenbare Banachräume Beispiele X = R n, e kanon. Aufzählung von Q n. X = C n, e kanon. Aufzählung von (Q[ 1]) n. X = C[0, 1], e kanon. Aufzählung aller Polynome mit Koeffizienten in Q. X = L p [0, 1] (1 p < ), e kanon. Aufzählung aller charakteristischen Funktionen von Intervallen [a, b] [0, 1], a, b Q.
11 Typ-2-Berechenbarkeit Darstellung offener Mengen in Banachräumen B(x, r) := {y X : x y < r} B(a, q) rationale Kugel : a D e, q Q. Darstellung δ O offener Mengen: Codiert offenes O X als Folge rationaler Kugeln, die O ausschöpfen.
12 Typ-2-Berechenbarkeit Darstellung von Maßen auf Banachräumen Darstellung δ M von Wahrscheinlichkeitsmaßen: Name von µ enthält für jedes Tupel (B 1,..., B n ) rationaler Kugeln einen ρ < -Namen der Zahl µ(b 1 B n )
13 Kompakte Operatoren Kompakte Operatoren Definition und Beispiel Seien X, Y Banachräume, F : X Y linear. B X := {x X : x 1}. F kompakt : F(B X ) kompakte Menge. Beobachtung: Kompakte Operatoren sind stetig. Beispiel: X = Y = L 2 [0, 1], k L 2 ([0, 1] [0, 1]), F(f )(x) := k(x, t)f (t) λ(dt). [0,1]
14 Kompakte Operatoren Kompakte Operatoren Eigenschaften Satz (Schauder (1930)): F : X Y kompakt F : Y X kompakt. (F (g)(x) := g(f(x)).) Satz (Grothendieck (1955)): n Operatoren x y i f i (x), y i Y, f i X, i=1 von endlichem Rang sind dicht (bzgl. Operatornorm) in den kompakten Operatoren Y hat die Approximationseigenschaft.
15 Kompakte Operatoren Inverse kompakter Operatoren Sei F : X Y kompakt und injektiv. F 1 : Y X stetig F von endlichem Rang. Problem: Numerische Berechnung von unstetigem F 1. Allgemeines Problem: Numerische Berechnung eines unstetigen linearen Operators. Schlecht gestelltes Problem (Hadamard (1902))
16 Kompakte Operatoren Inverse kompakter Operatoren Beispiel Indirekte Temperaturmessung x = 0 x = a x
17 Berechenbarkeit von Schauder-Basen Effektive Sätze über kompakte Operatoren Brattka und Dillhage (2007): Effektive Versionen u.a. der Sätze von Schauder und Grothendieck. Allerdings zusätzliche Annahme: Definitions- und Bildraum besitzen jeweils berechenbare Schauder-Basis.
18 Berechenbarkeit von Schauder-Basen Schauder-Basen Definition und Beispiele Sei (X, ) Banach-Raum. Falls X endl.-dim.: Schauder-Basis = herkömmliche Basis. Sonst: Folge (x i ) i X N Schauder-Basis von X : zu jedem x X existiert eindeutige Folge (α i ) i R N n mit lim n x α i x i = 0. i=0 Beispiel: Orthonormalbasis eines separablen Hilbertraumes.
19 Berechenbarkeit von Schauder-Basen Schauder-Basen Beispiele Schauder-Basis von C[0, 1]
20 Berechenbarkeit von Schauder-Basen Schauder-Basen Beispiele Schauder-Basis von L p ([0, 1]), 1 p <
21 Berechenbarkeit von Schauder-Basen Frage zur Berechenbarkeit von Schauder-Basen Frage: (X,, e) bb. Banachraum mit Schauder-Basis? = (X,, e) hat bb. Schauder-Basis. Antwort für den Spezialfall (X, ) Hilbertraum : Ja. (Brattka und Yoshikawa (2006))
22 Berechenbarkeit von Schauder-Basen Intuition zur Konstruktion eines Gegenbeispiels Allgemeine Intuition: Objekt A hat Eigenschaft E, aber hat Eigenschaft E nicht effektiv; dann ist A nah dran, Eigenschaft E nicht zu haben. Führt auf Banachs Basis-Problem (1932): Existiert ein (separabler) Banachraum ohne Schauder-Basis? Erstes Beispiel gab Enflo (1973).
23 Berechenbarkeit von Schauder-Basen Konstruktion eines Gegenbeispiels Sei Z Enflos Raum. Y := (Z Z ) c0 (Raum der Nullfolgen in Z ). Z 0 Z 1 gewisse endl.-dim. Teilräume von Z mit cls ( i Z i) = Z. Gegenbeispiel X hat die Form (Z τ(0) Z τ(1) ) c0 Y, τ : N N. Die Z i haben jeweils gutartige Basen (Ausnutzung der lokalen Basisstruktur von Z Pujara (1975), Szarek (1987)) X hat Basis für jede Wahl von τ. τ kann so berechnet werden, dass X keine bb. Basis hat (Diagonalisierung)
24 Ergebnisse aus der IBC Gauß sche Maße Maß γ auf R Gauß sch : γ hat Dichte der Form t 1 ) ( σ 2π exp (t a)2 2σ 2, a, σ R, σ > 0. In diesem Fall: a = x γ(dx), σ 2 = (x a) 2 γ(dx). Maß γ auf Banachraum X Gauß sch : Bildmaß γ f 1 Gauß sch für alle f X. Beispiel: Brown sche Bewegung
25 Ergebnisse aus der IBC Gauß sche Maße und unbeschränkte Operatoren Satz (Werschulz u.a. ( )): Seien X sep. Banachraum, Y sep. Hilbertraum, γ Gauß sches Maß auf X, D X messbarer Untervektorraum mit γ(d) = 1, S : D Y linear und messbar, ε > 0. Dann ex. x 1,..., x n X, f 1,..., f n X mit n S(x) f i (x)s(x i ) 2 γ(dx) < ε. D i=1
26 Ergebnisse aus der IBC Das Real-Number-Modell D S(x) n f i (x)s(x i ) 2 γ(dx) < ε i=1 Liefert diese Formel einen Algorithmus, der S im (quadratischen) Mittel näherungsweise berechnet? Ja, im Real-Number-Modell. (Traub, Wasilkowski, Woźniakowski (1988)) (Blum, Shub, Smale (1989))
27 Ergebnisse aus der IBC Das Real-Number-Modell Im Real-Number-Modell sind Elemente von R, X und Y primitive Objekte.... sind deren algebraische Verknüpfungen atomare Operationen ( Komplexität 1).... können endlich viele Elemente von R, X und Y in einer Maschine fest eingebaut sein ( vorberechnete Konstanten ).... können endlich viele Elemente von X in einer Maschine fest eingebaut sein ( funktionale Orakel ). x n i=1 f i(x)s(x i ) kann von Real-Number-Maschine berechnet werden.
28 Ergebnisse aus der IBC Lösbarkeit im Durchschnitt Real-Number-Algorithmen werden in der Information-Based Complexity akzeptiert. Werschulz Ergebnis in Sprache der IBC: Schlecht gestellte lineare Probleme sind lösbar im Durchschnitt bzgl. Gauß scher Maße. Kritik: Algorithmus weder uniform in S noch in ε. Unklar, wie die vorberechneten Konstanten S(x i ) i.a. berechnet werden sollen.
29 Ergebnisse aus der IBC Berechenbarkeit im Durchschnitt? Traub und Werschulz (1998) fragen: Aber was bedeutet computable on the average?
30 Probabilistische Berechenbarkeitsbegriffe Der punktweise Fehler Seien (X, X, e), (Y, Y, h) bb. Banachräume. Sei g : X Y Funktion. Sei f : dom(δ X ) dom(α h ) Funktion. Definiere für jedes x X den punktweisen Fehler err(x, f ) := sup δ X (p)=x α h (f (p)) g(x) Y. Beobachtung: g (δ X, δ Y )-berechenbar es ex. berechenbare Funktionenfolge (f n ) n mit ( n N)( x X) err(x, f n ) 2 n.
31 Probabilistische Berechenbarkeitsbegriffe Berechenbare Approximation Sei µ Maß auf X. g berechenbar approximierbar bzgl. µ : es ex. berechenbare Funktionenfolge (f n ) n mit ( n N) µ({x X : err(x, f n ) > 2 n }) 2 n. Für X = Y = R eingeführt von Ko (1991), untersucht von Parker (2003,2005,2006). f berechenbar approximierbar f f µ-messbar.
32 Probabilistische Berechenbarkeitsbegriffe Berechenbarkeit im Durchschnitt g berechenbar im Durchschnitt bzgl. µ : es ex. berechenbare Funktionenfolge (f n ) n mit ( n N) err(x, f n ) µ(dx) 2 n. X Beruht auf Idee von Hertling (2005). f berechenbar im Durchschnitt bzgl. µ f lokal integrierbar und berechenbar approximierbar bzgl. µ.
33 Probabilistische Berechenbarkeitsbegriffe Einige Ergebnisse Sei µ δ M -berechenbar und f berechenbar im Durchschnitt bzgl. µ. Dann ist X f µ(dx) Y berechenbar, falls f beschränkt ist, oder f einen berechenbar kompakten Träger hat, oder X f µ(dx) ρ >-berechenbar ist. µ berechenbar, f berechenbar approximierbar µ f 1 berechenbar.
34 Durchschnittsberechenbarkeit unbeschränkter Operatoren Interpretation der Frage von Traub und Werschulz Beschränkung auf S von der Form T 1 mit T berechenbar. (Für die Praxis bei weitem am wichtigsten). Beschränkung auf Hilberträume X, Y. Konkrete Frage: Sei T : X Y berechenbar injektiv, γ berechenbares Gauß sches Maß auf Y mit γ(bild(t )) = 1. Ist T 1 berechenbar im Durchschnitt bzgl. γ? Antwort: Nicht unbedingt! Es ex. Gegenbeispiel mit γ und T von einfacher Struktur.
35 Durchschnittsberechenbarkeit unbeschränkter Operatoren Beweisidee Zuerst Herleitung effektiver Version der Mourier-Prokhorov-Charakterisierung Gauß scher Maße auf separablen Hilberträumen: Darstellung δ M hier äquivalent zu Darstellung, die folgende Informationen über γ codiert: Das Element a X mit x, a = x, ω γ(dω) für alle x X. Den Operator R : X X mit Rx, y = x, ω a y, ω a γ(dω) für alle x, y X. Den Rechtsschnitt der Zahl ω 2 γ(dω).
36 Durchschnittsberechenbarkeit unbeschränkter Operatoren Beweisidee Wenn T 1 bb. im Durchschnitt bzgl. γ, dann ist γ T δ M -berechenbar. Außerdem ist γ T Gauß sch. T 1 2 dγ rechts-berechenbar. Konstruiere berechenbare T und γ, so dass T 1 2 dγ nicht rechts-berechenbar.
37 Durchschnittsberechenbarkeit unbeschränkter Operatoren Eine positive Aussage Aus T, T, γ, dem Rechtsschnitt von T 1 2 dγ und ε lassen sich n N, x 1,..., x n X, y 1,..., y n Y berechnen, T n so dass 1 (y) y i, y x i 2 γ(dy) < ε. i=1 (Dies impliziert insb. Berechenbarkeit im Durchschnitt.)
38 Durchschnittsberechenbarkeit unbeschränkter Operatoren Beweisidee Zuerst Herleitung einer effektiven Version der Tichonow-Regularisierung. Kombiniere dies mit Werschulz Ergebnis.
39 Durchschnittsberechenbarkeit unbeschränkter Operatoren Vielen Dank!
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
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
Mehr53 Die Parsevalsche Gleichung
53 Die Parsevalsche Gleichung 53 Die Parsevalsche Gleichung 5 53. Skalarprodukte auf Räumen quadratintegrierbarer Funktionen. a) Die Orthogonalitätsrelationen (5.5) legen die Interpretation des Ausdrucks
Mehr4 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
MehrDer Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2
IV.8 Aufgaben 187 Der Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2 Formal schließt der Darbo-Sadovskiĭsche Fixpunktsatz sowohl den Banachschen
MehrVollständiger Raum, Banachraum
Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen
MehrErwartungswert als Integral
Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral
MehrAnalysis 3. Weihnachtsblatt Prof. Dr. H. Koch Dr. F. Gmeineder Besprechung: TBC, Januar Aufgabe 1: (Besonders prüfungsrelevant)
Analysis 3 04.12.2018 Prof. Dr. H. och Dr. F. Gmeineder Besprechung: TBC, Januar 2019 Weihnachtsblatt Aufgabe 1: (Besonders prüfungsrelevant) Aufgabe 2: Sei Ω eine Menge und Σ eine σ-algebra auf Ω. Seien
MehrÜbungsaufgaben zur Vorlesung p-adische Differentialgleichungen SS 04 P. Schneider Blatt 1
P. Schneider Blatt 1 Aufgabe 1: Für ε 1 ist B ε (a) Nebenklasse eines Ideals in 0 zum Nebenklassenvertreter a. Aufgabe 2: Führe aus, weshalb in den Beispielen (A), (B), (C) der Vorlesung tatsächlich nichtarchimedische
Mehr2 Halbgruppen von Übergangswahrscheinlichkeiten. Markov-Prozesse
2 Halbgruppen von Übergangswahrscheinlichkeiten Markov-Prozesse Im Folgenden sei (X, B) ein (polnischer) Messraum und T = [0, ) oder T = N 0 Definition 21 Eine Familie (P t ) t T von (X, B) mit Übergangswahrscheinlichkeiten
MehrDie von Neumannsche Ungleichung
Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t
MehrSpektraltheorie. 2. Übungsblatt - Lösungsvorschläge. (Elementare Aussagen über Spektrum & Resolventenfunktion)
4.4.8 PD Dr. Peer Kunstmann M.Sc. Michael Ullmann Spektraltheorie. Übungsblatt - Lösungsvorschläge Aufgabe Elementare Aussagen über Spektrum & Resolventenfunktion Seien X, X, Y, Y Banachräume und S, T
MehrLösungsvorschläge für das 5. Übungsblatt
Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),
MehrLösungsvorschlag zur Klausur
FAKULTÄT FÜ MATHEMATIK Prof. Dr. Patrizio Neff Frank Osterbrink Johannes Lankeit 27.7.23 Lösungsvorschlag zur Klausur Hinweise zur Bearbeitung: - Die Bearbeitungszeit für die Klausur beträgt 8 Minuten.
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
Mehr45 Hilberträume. v = 2 <v, v>.
45 Hilberträume Zusammenfassung Unter dem Begriff Hilbertraum werden solche euklidische oder unitäre Vektorräume zusammengefasst, die auch noch vollständig sind. Damit werden die in 41, 42 und in 43, 44
MehrBeispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren
Beispiele Grundlagen Kompakte Operatoren Regularisierungsoperatoren Transportgleichung Dierenzieren ( nx ) (f δ n ) (x) = f (x) + n cos, x [0, 1], δ Regularisierung!! Inverse Wärmeleitung Durc f (f δ n
Mehr3 Markov-Eigenschaft der Brownschen Bewegung
Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t
Mehrsign: 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
Mehri=1 i=1,...,n x K f(x).
2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,
Mehr4 Kompakte Operatoren
4.1 Kompakte Op. auf dem Hilbertraum 57 4 Kompakte Operatoren 4.1 Kompakte Operatoren auf dem Hilbertraum 4.1.1 Folg. (id H kompakt H endlichdim.) Die identische Abbildung eines Prähilbertraumes X ist
MehrMessbare Vektorräume
Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
MehrLösungen zur Übungsserie 9
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag,? November Lösungen zur Übungsserie 9 Aufgaben 1,2,3,5,6,8,9,11 Aufgabe 1. Sei a R. Berechnen Sie die folgenden Grenzwerte, falls sie existieren.
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. H. Spohn Max Lein Ulrich Mauthner Quantendynamik SoSe 006 en Blatt 8 006.06.6 Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren Aufgabe 1
MehrAufgaben zu Kapitel 0
Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.
MehrÜbungen zu Grundbegriffe der Topologie
Übungen zu Grundbegriffe der Topologie A. Čap Wintersemester 2018 (1) Wiederholen Sie die Definition des Durchschnittes i I A i einer beliebigen Familie {A i : i I} von Mengen und zeigen Sie, dass für
MehrLS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88
4. Funktionen Buchholz / Rudolph: MafI 2 88 Kapitelgliederung 4.1 Grundlegende Denitionen 4.2 Polynome und rationale Funktionen 4.3 Beschränkte und monotone Funktionen 4.4 Grenzwerte von Funktionen 4.5
Mehr1.3 Zufallsvariablen
1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P
MehrElemente der mengentheoretischen Topologie
Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr4.2 Grenzwerte und Stetigkeit reeller Funktionen
4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle
Mehr12 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
MehrZusammenfassung 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
MehrUniversität Ulm Abgabe: Mittwoch,
Universität Ulm Abgabe: Mittwoch, 8.5.23 Prof. Dr. W. Arendt Jochen Glück Sommersemester 23 Punktzahl: 36+4* Lösungen Halbgruppen und Evolutionsgleichungen: Blatt 2. Sei X ein Banachraum und (T (t)) t
MehrExtremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume
Extremalpunkte und der Satz von Krein-Milman Seminar zu ausgewählten Kapiteln der Banachraumtheorie Vortrag von Michael Hoffmann 1 Lokalkonvexe topologische Vektorräume Im folgenden betrachten wir stets
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
MehrFUNKTIONALANALYSIS. Carsten Schütt WS 2006/7
1. Eine Teilmenge K eines topologischen Raumes heißt folgenkompakt, wenn jede Folge in K eine Teilfolge enthält, die in K konvergiert. Die Menge K heißt abzählbar kompakt, wenn jede unendliche Teilmenge
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
Mehr3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:
1. Aufgabe (9 Punkte) In dieser Aufgabe müssen Sie Ihre Antwort nicht begründen. Es zählt nur das Ergebnis. Tragen Sie nur das Ergebnis auf diesem Blatt im jeweiligen Feld ein. 0 1 3 a) Berechnen Sie die
Mehr2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit
2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit a) Fortsetzungssatz, Eindeutigkeit Es wird gezeigt, dass jedes Prämaß µ auf einem Ring R zu einem Maß µ auf A(R) fortgesetzt werden kann, d.h. µ kann
MehrAufgabensammlung Grundbegriffe der Topologie
Aufgabensammlung Grundbegriffe der Topologie Günther Hörmann, Roland Steinbauer Die vorliegende Aufgabensammlung dient als Grundlage für die Übungen zu Grundbegriffe der Topologie, das die gleichnamige
MehrWiederholung. 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.
MehrKompakte Operatoren in Hilberträumen
Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren
MehrFouriertransformation und Unschärfeprinzip
Information, Codierung, Komplexität 2 SS 2007 24. April 2007 Das berühmte von Heisenberg in der Quantentheorie beruht, rein mathematisch betrachtet, auf einer grundlegenden Eigenschaft der der Dichtefunktionen
MehrOptimale 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
MehrEigenschaften kompakter Operatoren
Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften
MehrAktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober/November 2017
Mehr34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen
34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen R-Vektorräumen 34.1 Äquivalenz von Normen 34.3 Stetigkeit und Normen linearer Abbildungen 34.4 Äquivalente Normen sind gegeneinander
MehrFerienkurs 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()
MehrDer Fundamentalsatz der Algebra. 1 Motivation
Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute
MehrAktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut
Mehr4 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
MehrÜbungsklausur Höhere Mathematik I für die Fachrichtung Physik
Karlsruher Institut für Technologie (KIT) Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning WS /3 6..3 Übungsklausur Höhere Mathematik I für die Fachrichtung Physik Aufgabe ((3++5) Punkte)
MehrKapitel II Kontinuierliche Wahrscheinlichkeitsräume
Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten
Mehr10 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
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
Mehr10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
MehrLösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A)
Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, 10.1.009 (Version A) Kennwort: Übungsgruppe: (Sie können ein beliebiges Kennwort wählen, um Ihre Anonymität zu wahren! Da die Probeklausur
Mehr1 Endlich additive Volumen auf R n
Endlich additive Volumen auf R n In Satz. im Skript haben wir gezeigt, dass kein σ-additives Volumen auf der Potenzmenge P (R n ) definiert werden kann. Man könnte sich vorstellen, das Problem ist aus
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
Mehrc < 1, (1) c k x k0 c k = x k0
4.14 Satz (Quotientenkriterium). Es sei (x k ) Folge in K. Falls ein k 0 existiert, so dass für k k 0 gilt x k 0 und x k+1 x k c < 1, (1) so ist x k absolut konvergent. Beweis. Aus (1) folgt mit vollständiger
MehrVorlesung Mathematik I für Wirtschaftswissenschaftler. Universität Leipzig, WS 16/17
Vorlesung Mathematik I für Wirtschaftswissenschaftler Universität Leipzig, WS 16/17 Prof. Dr. Bernd Kirchheim Mathematisches Institut kirchheim@math.uni-leipzig.de 1 / 1 Kapitel 1: Grundlagen 4 / 1 Kap.1
MehrAbhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2.
Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2. Lineare Korrelation Annahme: var(x 1 ),var(x 2 ) (0, ). Der Koeffizient
MehrSchwartz Raum und gemässigte Distributionen
1 ETH Zürich (Pro)Seminar: Grundideen der Harmonischen Analysis Schwartz Raum und gemässigte Distributionen David Bernhardsgrütter und David Umbricht 18 Dezember 2007 Schwartz Raum und gemässigte Distributionen
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrFunktionalanalysis, WS 2005/06, by HGFei
Funktionalanalysis, WS 2005/06, by HGFei Hinweise zum Inhalt (laufende Chronologie) Version vom 15. Oktober 2005 (HGFei) 1. Stunde 1: TEST: l, (l, ), l 1, (l 1, 1 ), l 2, (l 2, 2 ) QUESTION: Was ist Funktionalanalysis?
MehrInhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume
Inhaltsverzeichnis 6 Topologische Grundlagen 1 6.1 Normierte Räume................................ 1 6.2 Skalarprodukte................................. 2 6.3 Metrische Räume................................
MehrDie komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe
Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist
MehrKapitel I. Maßtheorie
Aufgabenvorschläge für das Proseminar zur Maß- und Integrationstheorie (WS 10/11) Shantanu Dave & Günther Hörmann Kapitel I. Maßtheorie zu 1. Maße und σ-algebren 1 Sei Ω eine Menge. Zeige: (a) Ist A eine
Mehr4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete
42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer
MehrAnalysis 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
MehrANALYSIS 1 Kapitel 6: Stetige Funktionen
ANALYSIS 1 Kapitel 6: Stetige Funktionen MAB.01012UB MAT.101UB Vorlesung im WS 2017/18 Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen Karl-Franzens-Universität Graz 6.1 Grundbegrie
MehrKapitel II. Brownsche Bewegung. Literatur: Karatzas, Shreve (1999, Chap. 2).
Kapitel II Brownsche Bewegung Literatur: Karatzas, Shreve (1999, Chap. 2). Gegeben: Wahrscheinlichkeitsraum (Ω, A, P) mit Filtration F = (F t ) t I, wobei I = [0, [. Definition 1. W = (W t ) t I Brownsche
MehrWie 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
Mehr2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
Mehr3 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
MehrStetige 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
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge U Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 2. Juli 2018 1/1 Wir geben einige wesentliche Sätze über bestimmte Integrale an, deren Beweise man in den Standardlehrbüchern der Analysis findet.
Mehr2.3 Eigenschaften linearer Operatoren
2.3. LINEARE OPERATOREN 47 2.3 Eigenschaften linearer Operatoren Es seien V, W normierte Räume. Die Elemente von L(V ; W ) werden oft als lineare Operatoren bezeichnet. Wir hatten gesehen, dass die Stetigkeit
MehrTopologie - Übungsblatt 1
1 Topologie - Übungsblatt 1 1. Sei τ die cofinite Topologie auf einer Menge X. Man zeige: i) Ist X abzählbar, dann ist (X, τ) ein A 2 -Raum. ii) Ist X überabzählbar, dann ist (X, τ) kein A 1 -Raum. 2.
MehrMeßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :
24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar
MehrStoppzeiten und Charakteristische Funktionen. Tutorium Stochastische Prozesse 15. November 2016
Stoppzeiten und Charakteristische Funktionen Tutorium Stochastische Prozesse 15. November 2016 Inhalte des heutigen Tutoriums Im heutigen Tutorium besprechen wir: (1) Eindeutigkeit von Maßen ohne schnittstabilen
MehrDefinition der Kolmogorov-Komplexität I
Definition der Kolmogorov-Komplexität I Definition: Die Komplexität K A (x) eines Wortes x V + bezüglich des Algorithmus A ist die Länge der kürzesten Eingabe p {0, 1} + mit A(p) = x, d.h. in formalisierter
Mehr1 Verbandstheorie. Aufgabensammlung. Höhere Mathematik für Physiker III Wintersemester 2014
Aufgabensammlung Höhere Mathematik für Physiker III Wintersemester 2014 1 Verbandstheorie 1. Aufgabe: (a) Sei f C(R) eine stetige Funktion. Wenn Rf(x)φ(x)dx = 0 für alle Testfunktionen φ Cc (R) gilt, dann
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrVollständigkeit. 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
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
MehrMaße und Integrale. begleitend zur Vorlesung Stochastik I Humboldt-Universität zu Berlin SS 2008 P. Imkeller. Berlin, den 26.
Maße und Integrale begleitend zur Vorlesung Stochastik I Humboldt-Universität zu Berlin SS 2008 P. Imkeller Berlin, den 26. April 2008 Inhaltsverzeichnis 1 Konstruktion von Maßen 3 2 Konstruktion von Integralen
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrIII. Prinzipien der Funktionalanalysis
III. Prinzipien der Funktionalanalysis 9 Der Satz von Hahn-Banach 9.1 Momentenproblem. a) Es seien X ein normierter Raum, (x n ) n=0 eine Folge in X und (α n ) n=0 eine Folge in K. Gibt es eine stetige
MehrSchwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik
Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrOrthogonalpolynome Einführung, Eigenschaften und Anwendungen
Anna Weller Orthogonalpolynome Einführung, Eigenschaften und Anwendungen 1 Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Seminar zur Numerik im SS 2018, Universität zu Köln 10.
Mehr