Analysis I Kurzskript
|
|
- Peter Biermann
- vor 7 Jahren
- Abrufe
Transkript
1 Analysis I Kurzskript 25. Januar 2013 Inhaltsverzeichnis 1 Die Sprache der Mathematik Mathematische Aussagen Aussagenlogik Beweise Vollständige Induktion Die Arbeitsweise des Mathematikers Induktiv Deduktiv: die axiomatische Methode Axiome der reellen Zahlen R Die natürlichen Zahlen N := {0,1,2,3,...} Folgen, Reihen und Grenzwerte I Folgen reeller Zahlen (a n ) n N Folgen, Reihen und Grenzwerte II Folgen Unendliche Reihen Bestimmte Divergenz / Uneigentliche Konvergenz Vollständigkeit Cauchyfolgen und Vollständigkeit Teilfolgen und Häufungspunkte Beschränkte Folgen I Satz von Bolzano-Weierstraß sup/inf und min/max Beschränkte Folgen II Monotone Folgen limsup und liminf Vollständigkeit Metrische Räume I Metrische Räume (X,d) Konvergenz in metrischen Räumen Offene und abgeschlossene Mengen Metrische Räume II Offene und abgeschlossene Mengen Vollständigkeit und Kompaktheit
2 10 Konvergenz auf R d ; Konvergente Reihen I Der euklidische Raum R d Reihen mit nicht-negativen Gliedern Absolute Konvergenz, Konvergenzkriterien Konvergente Reihen II Konvergenzkriterien Umordnung von Reihen Potenzreihen und Exponentialfunktion Umordnung von Reihen Reelle Potenzreihen Die Exponentialfunktion Potenzreihen und Exponentialfunktion II Exponentialfunktion Körper der komplexen Zahlen Komplexe Potenzreihen Körper der komplexen Zahlen Konvergenz in C Komplexe (Potenz)reihen Stetigkeit in metrischen Räumen I Allgemeine Definitionen und Eigenschaften Stetigkeit in metrischen Räumen II Stetige Funktionen auf kompakten Mengen Gleichmäßige Stetigkeit Stetigkeit R R Grenzwerte von Funktionen Zwischenwertsatz Monotone Funktionen Elementare Funktionen und Grenzwerte I Exponentialfunktion und Logarithmus Einige Grenzwerte mit exp und log Elementare Funktionen und Grenzwerte II Trigonometrische Funktionen Die Zahl π Die Funktionen tan, arctan, arcsin und arccos Differentialrechnung auf R Differenzierbare Funktionen Eigenschaften differenzierbarer Funktionen Ableitungsregeln Extrema Probeklausur 26
3 24 Mittelwertsatz und Anwendungen Mittelwertsatz Regel von de l Hopital Extrema, Monotonie Kriterium für Extrema Monotonie Konvexität Anwendungen von Konvexität Das Riemann sche Integral Charakterisierung von Riemann-integrierbaren Funktionen Hauptsatz der Integral- und Differentialrechnung Riemann sche Summen Das unbestimmte Integral Integrationsmethoden Stammfunktionen Substitutionsregel Partielle Integration Uneigentliche Integrale
4 Empfohlene Literatur [F] Otto Förster: Analysis 1 [H] Stefan Hildebrandt: Analysis 1 [K] Konrad Königsberger: Analysis 1 9. Oktober
5 1 Die Sprache der Mathematik [F] 1 [H] 1.4 [K] Mathematische Aussagen tertium non datur 1.2 Aussagenlogik Implikation: P Q, P(n) Q(n) Äquivalenz: P Q Konjuktion: P und Q Disjunktion: P oder Q Negation: nicht P Beispiel 1 (Fallunterscheidung). 1.3 Beweise Direkter Beweis; Indirekter Beweis; Beispiel 3 n 2 3 n; (x 1)(x y) = 0 (y 3)(x 2 y 2 +1)y = 0 Widerspruchsargument; Beispiel 2 irrational; Vollständige Induktion. Kontraposition: { P Q } { nicht Q nicht P } 1.4 Vollständige Induktion (1) Induktionsanfang: P(n 0 ) für ein n 0 N; (2) Induktionsschritt: P(n) P(n+1). Beweisprinzip: aus (1) und (2) folgt P(n) für alle n n 0. Definition 1 (Summen/Produktzeichen). 0 a k = 0 und k+1 a k = a k+1 + k a k ; 0 a k = 1 und Satz 1. n k = n(n+1) 2 Satz 2. Die Anzahl Anordnungen von {1,...,n} ist n! k+1 a k = a k+1 Satz 3 (Bernoulli sche Ungleichung). Falls x > 1 und n N, dann (1+x) n 1+nx. Satz 4 (geometrische Reihe). n k=0 xk = 1 xn+1 1 x. Satz 5. Die Anzahl k-elementigen Teilmengen von {1,...,n} ist ( n k). Satz 6 (Binomischer Lehrsatz). n ( ) n (x+y) n = x k y n k. k k=0 k a k. 9. Oktober
6 2 Die Arbeitsweise des Mathematikers 2.1 Induktiv Beispiel 1. Der Kreis besitzt unter allen ebenen Figuren mit gleichem Flächeninhalt den kleinsten Umfang. Beispiel 2. a n = n 2 +n+41 ist eine Primzahl für alle n 39! Beispiel 3. n (4k2 1) 1 = n 2n Deduktiv: die axiomatische Methode Grundbegriffe werden nicht definiert, sondern durch Axiome beschrieben. [F] Axiome der reellen Zahlen R Algebraischen Axiome, Definition eines Körpers; Anordnungsaxiome; Das Archimedische Axiom (Gegenbsp. Körper der rationalen Funktionen); Das Vollständigkeitsaxiom (siehe Vorlesung 5) Satz 1. Die Zahl 0 ist eindeutig bestimmt. Die Zahl 1 ist eindeutig bestimmt. Satz 2. Für alle x R ist xeindeutig bestimmt. Weiterhin gilt 0 = 0. Das Inverseist eindeutig bestimmt, und es gilt 1 1 = 1. Satz 3. Die Gleichung a+x = b hat eine eindeutig bestimmte Lösung, nämlich x = b a. Die Gleichung ax = b hat eine eindeutig bestimmte Lösung, nämlich x = a 1 b. Satz 4. x 0 = 0 für alle x R. Satz 5. xy = 0 genau dann wenn x = 0 oder y = 0. Satz 6. 1 > 0 Beispiel 4. R, Q, Z, C 2.4 Die natürlichen Zahlen N := {0,1,2,3,...} Definition 1. EineTeilmengeeinesKörpersheißtinduktiv,falls0 M und(a M a+1 M). N ist die kleinste induktive Teilmenge von R. Definition 2. x = { x x 0 x x < 0 Satz 7. (a) Für alle x R gilt: x 0 und x = 0 genau dann wenn x = 0. (b) xy = x y, (c) x+y x + y. 12. Oktober
7 3 Folgen, Reihen und Grenzwerte I [F] Folgen reeller Zahlen (a n ) n N Definition 1. Eine Folge (a n ) n N heißt konvergent falls es ein a R gibt, so dass folgende Bedingung gilt: für alle ε > 0 existiert ein N N so dass a n a < ε für alle n N. Negation der Bedingung in obiger Definition: Es existiert ein ε > 0 so dass für alle N N existiert n N mit a n a ε. Notation: abgeschlossene [a, b] und offene ]a, b[ Intervalle. Definition 2. beschränkte Folgen Satz 1. Jede konvergente Folge ist beschränkt. Beispiel 1. konstante Folge a n = a; a n a, a n = 1 n ; a n 0, a n = ( 1) n ; nicht konvergent, a n = n n+1 ; a n 1, a n = n 2 n ; a n 0, Fibonacci Zahlen, f 0 = 0, f 1 = 1, f n+2 = f n +f n+1 für n 0. unendliche Kettenbrüche; a 0 = 0, a n+1 = a n. Satz 2. Das Limes einer konvergenten Folge ist eindeutig bestimmt. Satz 3 (Regeln und Operationen mit Folgen). (i) aus a n a und b n b folgt a n +b n a+b; (ii) aus a n a und b n b folgt a n b n ab; (iii) aus a n a und b n b folgt λa n +µb n λa+µb; (iv) aus a n a und b n b mit b 0 folgt an b n a b ; (v) aus a n a folgt a n a ; (vi) aus a n a, b n b und a n b n folgt a b; 16. Oktober
8 4 Folgen, Reihen und Grenzwerte II [F] 4 [H] Folgen Satz 1 (Regeln und Operationen mit Folgen). (i) aus a n a und b n b folgt a n +b n a+b; (ii) aus a n a und b n b folgt a n b n ab; (iii) aus a n a und b n b folgt λa n +µb n λa+µb; (iv) aus a n a und b n b mit b 0 folgt an b n a b ; (v) aus a n a folgt a n a ; (vi) aus a n a, b n b und a n b n folgt a b; Satz 2 (Quetschlemma). Aus a n a, b n a und a n c n b n folgt c n a. Beispiel 1. 2n n 2 +n ; = 2; = 1 2 ( 5+1); c > 0, a 0 = 1 und a n+1 = 1 2 (a n + c a n ). 4.2 Unendliche Reihen Definition 1. Eine unendliche Reihe ist definiert als Grenzwert der Partialsummen: a k = lim k=0 n k=0 Beispiel 2. Die geometrische Reihe. Sei x < 1. Dann k=0 n a k. x k = 1 1 x. 4.3 Bestimmte Divergenz / Uneigentliche Konvergenz Definition 2. Bestimmt divergente Folgen (gegen oder ). Satz 3. Reziprokes einer positiven (oder negativen) Nullfolge = bestimmt divergente Folge. 19. Oktober
9 5 Vollständigkeit [F] Cauchyfolgen und Vollständigkeit Definition 1. Cauchyfolgen. Satz 1. Jede konvergente Folge ist eine Cauchyfolge. Das Vollständigkeitsaxiom: In R ist jede Cauchyfolge konvergent. [H] 8 Beispiel 1 (Dezimalbrüche, p-adische Brüche). a n p n, p,a n N,p 2,0 a n < p. n=0 Satz 2. Sei p N, p 2. (i) Jeder p-adischer Bruch stellt eine Cauchyfolge dar. (ii) Jede reelle Zahl lässt sich in einem p-adischen Bruch entwickeln. Definition 2. Eine Intervallschachtelung ist eine Folge (I n ) n N von Intervallen in R so dass I n+1 I n für alle n N, und lim n I n = 0. Satz 3 (Intervallschachtelungsprinzip). Zu jeder Intervallschachtelung (I n ) n existiert genau eine reelle Zahl im Durchschnitt n I n. Beispiel = 2 Satz 4. Q liegt dicht in R. d.h. zu jedem x R und jedem ε > 0 existiert q Q mit x q < ε. [F] 5 [H] Teilfolgen und Häufungspunkte Definition 3. (i) Teilfolgen (ii) Häufungspunkte Beispiel 3. a n = ( 1) n ; falls a n a, dann ist a der einzige Häufungspunkt von (a n ) n N ; die rationalen Zahlen Q als eine Folge; Cantor sches Diagonalverfahren. 23. Oktober
10 6 Beschränkte Folgen I [F] 5 [H] Satz von Bolzano-Weierstraß Satz 1 (Bolzano-Weierstraß). Jede beschränkte Folge besitzt einen Häufungspunkt. Korollar 1. Eine beschränkte Folge konvergiert dann und genau dann, wenn sie genau einen Häufungspunkt besitzt. [F] sup/inf und min/max Definition 1. Supremum und Infimum einer Folge. Satz 2. Jede nach oben beschränkte Folge besitzt ein Supremum. Definition 2. Maximum und Minimum einer Folge. Beispiel 1. a n = 1 n, n 1, a n = n n+1, n 0, a n = 2n n2, n 1. Definition 3. Sup/Inf und Max/Min einer Teilmenge M R. Beispiel 2. [a,b] und ]a,b[ 26. Oktober
11 7 Beschränkte Folgen II [F] 5 [H] Monotone Folgen Definition 1. monoton wachsend/fallend; streng monoton wachsend/fallend. Satz 1. Jede beschränkte monotone Folge reeller Zahlen ist konvergent. Beispiel 1. Intervallschachtelungen; ( e = lim n 1+ 1 n. n) [F] 9 [H] limsup und liminf Definition 2. Limsup und liminf einer Folge. Lemma 1. Sei (a n ) beschränkt. Dann liminfa n limsupa n. Gleichheit besteht dann und genau dann wenn die Folge konvergent ist. In diesem Fall gilt liminfa n = lima n = limsupa n. Lemma 2. Sei (a n ) n N beschränkt. Dann ( ) lim supa n = lim sup{a k : k n} n n ( ) lim inf a n = lim inf{a k : k n} n n Beispiel 2. Sei (a n ) n N die Folge 0,1,2,2,4,4,4,4,8,8,8,8,8,8,8,8,... Die Menge der Häufungspunkte von b n = an n+a n ist das Intervall [1/3,1/2]. 7.3 Vollständigkeit Bolzano-Weierstraß Vollständigkeitsaxiom Intervallschachtelungsprinzip Satz 2. Der Satz von Bolzano-Weierstraß impliziert das Vollständigkeitsaxiom 30. Oktober
12 8 Metrische Räume I [H] Metrische Räume (X, d) Definition 1. Metrik d : X X R: für alle x,y,z X gilt (i) d(x,y) = d(y,x); (ii) d(x,y) 0 und d(x,y) = 0 genau dann wenn x = y; (iii) d(x,y) d(x,z)+d(z,y). Beispiel 1. R mit d(x,y) = x y. (Diskrete Metrik): Beliebige Menge X mit d(x, y) = { 1 x y 0 x = y Beispiel 2. R d = { } x = (x (1),x (2),...,x (d) ) : x (i) R für i = 1,...,d mit ( d x y = (x (i) y (i) ) 2) 1/2, x y max = max i=1,...,d x(i) y (i), x y 1 = i=1 Lemma 1. In R d gilt (a) d x i y i x y (Cauchy-Schwarz Ungleichung); i=1 (b) x + y x + y (Dreiecksungleichung). d x (i) y (i) i=1 8.2 Konvergenz in metrischen Räumen Definition 2. Konvergenz in (X,d): x n x falls d(x n,x) 0. Lemma 2. Eindeutigkeit des Limes 8.3 Offene und abgeschlossene Mengen [H] 16 Definition 3. Offene Kugel B r (x) := {y X : d(x,y) < r}; A X ist offen, falls für alle x A ein r > 0 existiert so dass B r (x) A; A X ist abgeschlossen, falls für alle konvergente Folgen (x n ) n A mit x n x gilt: x A. Satz 1. Eine Menge A X ist genau dann offen, wenn das Komplement X\A abgeschlossen ist. Folgende Definition wird in Aufgabe 21 benötigt, in der Vorlesung war jedoch keine Zeit mehr: Definition 4. Sei A X. Das Innere A := {x A : es existiert ε > 0 so dass B ε (x) A}; Der Abschluss A := {x X : es existiert (x n ) n A mit x n x}; Der Rand A := {x X : für alle ε > 0 gilt B ε (x) A und B ε (x)\a }. 2. November
13 [H] Metrische Räume II 9.1 Offene und abgeschlossene Mengen Definition 1. Sei A X. Das Innere A := {x A : es existiert ε > 0 so dass B ε (x) A}; Der Abschluss A := {x X : es existiert (x n ) n A mit x n x}; Der Rand A := {x X : für alle ε > 0 gilt B ε (x) A und B ε (x)\a }. Lemma 1. Der Durchschnitt endlich vieler offenen Mengen ist offen; Die Vereinigung beliebig vieler offenen Mengen ist offen; Die Vereinigung endlich vieler abgeschlossenen Mengen ist abgeschlossen; Der Durchschnitt beliebig vieler abgeschlossener Mengen ist abgeschlossen. Lemma 2. Sei A X. A ist offen und A ist abgeschlossen. Definition 2. Eine Teilmenge B A ist dicht in A falls A B. Beispiel 1. In R d : B r (x) = {y : x y r}; B r (x) = {y : x y = 1}; In R: Q = R, Q =, Q = R; Für die diskrete Metrik: B 1 (x) = {x}; jede Teilmenge ist offen und abgeschlossen. 9.2 Vollständigkeit und Kompaktheit Definition 3. Cauchyfolgen Lemma 3. Jede konvergente Folge ist eine Cauchyfolge. Lemma 4. Jede Cauchyfolge, die eine konvergente Teilfolge besitzt, ist selbst konvergent. Definition 4. Beschränkte Mengen. (Folgen-)kompakte Mengen. Lemma 5. Jede Cauchyfolge ist beschränkt. Definition 5. Ein metrischer Raum (X, d) heißt vollständig, falls jede Cauchyfolge konvergiert. 6. November
14 10 Konvergenz auf R d ; Konvergente Reihen I [H] Der euklidische Raum R d Satz 1. Charakterisierung der Konvergenz auf R d : Konvergent komponentenweise. Definition 1. Würfelschachtelungen. Lemma 1 (Würfelschachtelungsprinzip). Jede Würfelschachtelung in R d erfasst genau einen Punkt im Durchschnitt. Satz 2. Jede beschränkte Folge in R d besitzt eine konvergente Teilfolge. Korollar 1. (a) R d ist vollständig; (b) Eine Teilmenge A R d ist genau dann kompakt, wenn sie beschränkt und abgeschlossen ist. [F] 7 [H] Reihen mit nicht-negativen Gliedern Satz 3. Eine Reihe a n mit a n 0 ist entweder konvergent oder bestimmt gegen divergent. n=1 Satz 4. Majorantenkriterium. Beispiel 1. n=1 1 n = und n=1 1 n 2 < Absolute Konvergenz, Konvergenzkriterien Definition 2. absolute Konvergenz. Satz 5. Cauchys Konvergenzkriterium. Korollar 2. Wenn a n konvergiert, dann ist (a n ) n eine Nullfolge. n=1 9. November
15 11 Konvergente Reihen II [F] 7 [H] Konvergenzkriterien Definition 1. Absolute Konvergenz. Satz 1. Leibniz Konvergenzkriterium für alternierende Reihen. Beispiel 1. Alternierende harmonische Reihe: Satz 2 (Quotientenkriterium). limsup n an+1 a n < 1. Beispiel 2. 1 n divergiert, 1 n 2 konvergiert. Satz 3. Cauchy s Verdichtungskriterium. Beispiel 3. 2 n 1 k n 2. Beispiel 4. Falls α > 1, dann 2 n 1 n k α q k 1 mit q = 2 α+1. [H] Umordnung von Reihen Definition 2. Die Reihe n=0 b n ist eine Umordnung der Reihe n=0 a n, wenn es eine bijektive Abbildung σ : N N gibt so dass b n = a σ(n) für alle n. Definition 3. Bijektive Abbildungen. Beispiel 5. Umordungen der alternierenden harmonischen Reihe November
16 12 Potenzreihen und Exponentialfunktion [H] Umordnung von Reihen Satz 1 (Umordnungssatz von Dirichlet). Satz 2 (Umordnungssatz von Riemann). Ohne Beweis. [F] 8 [H] Reelle Potenzreihen Lemma 1. Falls x < y und die Reihe a n y n konvergiert, dann konvergiert die Reihe a n x n absolut. Definition 1 (Konvergenzradius). { R = sup x R : } a n x n konvergent. Satz 3. Sei n=0 a nx n eine Potenzreihe mit Konvergenzradius R. (i) Falls R =, dann konvergiert die Potenzreihe für alle x R; (ii) Falls R = 0, dann divergiert die Potenzreihe für alle x R\{0}; (iii) Falls 0 < R <, dann konvergiert die Potenzreihe absolut für alle x < R und divergiert für alle x > R Die Exponentialfunktion [F] 8 Definition 2. Für x R: exp(x) = Konvergenzradius der Exponentialreihe ist R =. n=0 x n n!. 16. November
17 13 Potenzreihen und Exponentialfunktion II 13.1 Exponentialfunktion [F] 8 [K] 8.1 Lemma 1 (Fundamentallemma für die Exponentialfunktion). ( lim 1+ 1 n = exp(1). n n) Varianten: lim n ( 1+ x n) n = exp(x); lim n ( 1+ x nn ) n = exp(x) falls xn x. Satz 1. (i) exp(x+y) = exp(x)exp(y) für alle x,y R; (ii) exp( x) = 1 exp(x) für alle x R; (iii) exp(x) 1+x und exp(x) > 0 für alle x R; (iv) exp(nx) = exp(x) n für n N, x R; (v) exp(1/n) = e 1/n für n N, n Körper der komplexen Zahlen [F] 13 [H] 1.17 Satz 2. C ist ein Körper. 20. November
18 [F] Komplexe Potenzreihen 14.1 Körper der komplexen Zahlen [H] 1.17 Beispiel 1. Aus z 2 = w 2 folgt z = ±w; Aus z 3 = 1 folgt z {1, 1 2 +i 3 2, } Definition 1. Komplexe Konjugierte z, Reeller und imaginärer Teil Re z und Im z. Beispiel 2. Re z = 1 2 (z + z), Im z = 1 2i (z z), z = z, zw = z w. Satz 1. (i) z 0 und z = 0 genau dann wenn z = 0; (ii) zw = z w ; (iii) z +w z + w. Satz 2. C mit der Metrik d(z,w) := z w ist ein metrischer Raum Konvergenz in C Definition 2. c n c falls c n c 0. Satz 3. c n c genau dann wenn Re c n Re c und Im c n Im c. Korollar 1. C ist vollständig. Korollar 2. c n c genau dann wenn c n c Komplexe (Potenz)reihen Beispiel 3. (a) n=1 ( ) n 1+i, (b) 2 i i n n, n=1 (c) n=1 ( ) n 1 i. 1+i Definition 3. Konvergenzradius der Potenzreihe n=0 c nz n ist R = sup{ z : z C und c n z n konvergent}. Satz 4. (i) Falls R =, dann konvergiert die Potenzreihe für alle z C; (ii) Falls R = 0, dann divergiert die Potenzreihe für alle z C\{0}; (iii) Falls 0 < R <, dann konvergiert die Potenzreihe absolut für alle z < R und divergiert für alle z > R. Definition 4. exp(z) = n=0 zn n!. Satz 5. (i) exp(z +w) = exp(z)exp(w) für alle z,w C; (ii) exp( z) = 1 exp(z) für alle z C; (iii) exp(z) 0 für alle z C; (iv) exp( z) = exp(z) für alle z C. Beispiel 4. e ix = 1 für alle x R. Definition 5. cos(x) = Re (e ix ) und sin(x) = Im (e ix ). 23. November
19 15 Stetigkeit in metrischen Räumen I [F] 10 [H] [K] Allgemeine Definitionen und Eigenschaften Im Folgenden betrachten wir metrische Räume (X,d X ) und (Y,d Y ) und Funktionen f : D Y, wobei D X eine Teilmenge ist (der Definitionsbereich von f). Falls Y = R, heißt die Funktion reellwertig. Falls Y = C, heißt die Funktion komplexwertig. Falls Y = R d, d > 1, heißt die Funktion vektorwertig. Definition 1. Die Funktion f ist stetig im Punkt x 0 D wenn (x n ) n N D mit lim n x n = x 0 gilt : lim n f(x n) = f(x 0 ). Die Funktion f ist stetig in D wenn sie in jedem Punkt x D stetig ist. Beispiel 1. Konstante Funktion und Identität stetig, Charakteristische Funktion einer Menge A X stetig in x X \ A. Lemma 1 (Summe, Produkt und Quotient). Falls f,g reellwertig und stetig, dann f +g und fg stetig. Falls zusätzlich g(x 0 ) 0, dann f/g stetig im Punkt x 0. Lemma 2 (Vektorwertige Funktionen). Eine vektorwertige Funktion f = (f 1,...,f d ) ist genau dann im x 0 D stetig, wenn jede Komponente f i, i = 1...d stetig im x 0 ist. Falls f,g vektorwertige, stetige Funktionen sind, ist auch f +g stetig. Falls h reellwertig und stetig ist, ist auch fh stetig. Lemma 3 (Die Abstandsfunktion). Sei x 0 X. Die Funktion f : X R definiert durch f(x) = d(x,x 0 ) ist stetig. Insbesondere ist die Funktion f(x) = x, f : R R stetig. Sei f : D X Y eine Funktion und A D eine Teilmenge vom Definitionsbereich D. Das Bild von A unter f ist die Teilmenge von Y definiert durch f(a) := {f(x) : x A}. [H] 2.4 Lemma 4 (Verknüpfung). Seien (X,d X ),(Y,d Y ),(Z,d Z ) metrische Räume. Sei f : D X Y stetig im Punkt x 0 und g : f(d) Z stetig im Punkt f(x 0 ). Dann ist die Verknüpfung g f : D Z definiert durch g f(x) = g(f(x)) stetig im x 0. [F] 11 Satz 1 (ε-δ Kriterium). Die Funktion f : D X Y ist genau dann stetig im Punkt x 0, wenn ε > 0 δ > 0 x D mit d X (x,x 0 ) < δ : d Y (f(x),f(x 0 )) < ε. 27. November
20 16 Stetigkeit in metrischen Räumen II Im Folgenden betrachten wir metrische Räume (X,d X ) und (Y,d Y ) und Funktionen f : D Y, wobei D X eine Teilmenge ist (der Definitionsbereich von f). Sei B Y eine Teilmenge. Das Urbild von B unter f ist die Teilmenge von X definiert durch f 1 (B) := {x D : f(x) B}. Satz 1. Eine Funktion f : D X Y ist genau dann stetig in D, wenn U Y offen : f 1 (U) offen. Beispiel 1. Sei f : X R stetig und c R. Dann ist f 1 (],c[) = {x X : f(x) < c} offen. Die Nullstellenmenge f 1 (0) = {x X : f(x) = 0} ist abgeschlossen. [F] 11 [H] Stetige Funktionen auf kompakten Mengen Erinnerung (aus Vorlesung 9): eine Teilmenge K X heißt kompakt, wenn jede Folge (x n ) n N in K eine konvergente Teilfolge besitzt. In R d sind die kompakte Mengen genau die beschränkte und abgeschlossene Mengen. Daraus folgt: Satz 2. Sei K R kompakt und nichtleer. Dann besitzt K Minimum und Maximum. D.h. es existieren x m,x M K so dass für alle x K gilt: x m x x M. Satz 3. Sei K X kompakt und f : K Y stetig. Dann ist die Bildmenge f(k) Y kompakt. Korollar 1. Sei K X kompakt und f : K R stetig. Dann besitzt f Minimum und Maximum auf K. D.h. es existieren x m,x M K so dass für alle x K gilt: f(x m ) f(x) f(x M ). [F] 11 [H] Gleichmäßige Stetigkeit Definition 1. Die Funktion f : D X Y ist gleichmäßig stetig auf D, wenn: ε > 0 δ > 0 x,y D mit d X (x,y) < δ : d Y (f(x),f(y)) < ε. Beispiel 2. Die Funktion f(x) = 1 x ist stetig aber nicht gleichmäßig stetig auf ]0,1[. Satz 4. Die Funktion f : D X Y ist genau dann gleichmäßig stetig auf D, wenn für alle Folgen (x n ) n N,(y n ) n N D mit lim d X(x n,y n ) = 0 gilt: n lim n d Y ( f(xn ),f(y n ) ) = 0. Satz 5. Falls K X kompakt und f : K Y stetig, dann ist f gleichmäßig stetig auf K. 30. November
21 17 Stetigkeit R R Im Folgenden betrachten wir Funktionen f : D R, wobei D R eine Teilmenge ist (der Definitionsbereich von f). [F] 10 [H] 2.3 [K] Grenzwerte von Funktionen Definition 1. Sei a D. Man definiert lim f(x) = c, falls (x n) n N D mit lim x n = a gilt: lim f(x n) = c; x a n n lim f(x) = c, falls (x n) n N D mit lim x n = gilt: lim f(x n) = c; x n n { xn lim f(x) = c, falls (x > a, n) n N D mit xցa lim x gilt: lim n = a f(x n) = c; n n lim f(x) = c, falls (x n) n N D mit xրa lim f(x) = c, falls (x n ) n N D mit x a x a Beispiel 1. lim expx = 1, lim x 0 { xn < a, lim x n = a n { xn a, χ ],0](x) = 1, xր0 lim x n = a n gilt: lim n f(x n) = c; gilt: lim n f(x n) = c. lim χ ],0] (x) = 0. xց0 Definition 2. f : D R R ist stetig im Punkt a D falls lim x a f(x) = f(a). Beispiel 2. exp : R R ist stetig. [F] 11 [H] 2.5 [K] Zwischenwertsatz Satz 1 (Zwischenwertsatz). Sei f : [a,b] R stetig, a < b und y R mit f(a) y f(b). Dann existiert x [a,b] mit f(x) = y. Korollar 1. Sei I R ein Intervall und f : I R stetig. Dann ist f(i) auch ein Intervall Monotone Funktionen Definition 3. Monotone/Streng monotone Funktionen. Lemma 1. Sei I R ein Intervall, f : I R streng monoton. Dann ist f : I f(i) bijektiv, d.h. zu jedem y f(i) existiert genau ein x I mit f(x) = y. Satz 2 (Umkehrfunktion, allgemeine metrische Räume). Sei f : K X Y stetig und bijektiv. Dann ist f 1 : Y K stetig. [F] 11 [H] 2.5 Satz 3 (Umkehrfunktion, R R). Sei f : [a,b] [c,d] stetig und bijektiv. Dann ist f 1 : [c,d] [a, b] stetig. 4. Dezember
22 18 Elementare Funktionen und Grenzwerte I [F] [H] 3.4 [K] Exponentialfunktion und Logarithmus Lemma 1. (i) Die (komplexe) Exponentialfunktion (Vorlesung 14) exp : C C ist stetig. (ii) Die (reelle) Exponentialfunktion (Vorlesug 12) exp : R R ist streng monoton wachsend. Beispiel 1. lim exp(x) =, lim x exp(x) = 0. x Definition 1. Der natürliche Logarithmus ist die Umkehrfunktion von exp : R ]0, [, also log :]0, [ R, log = exp 1. Beispiel 2. log :]0, [ R ist stetig, streng monoton wachsend und log(1) = 0. Lemma 2 (Funktionalgleichung für log). Für alle x,y > 0 gilt log(xy) = log(x) + log(y). Insbesondere log 1 x = logx. Definition 2. Die Exponentialfunktion zu Basis a > 0 ist definiert als Lemma 3. exp a : R R ist stetig und es gilt (i) exp a (x+y) = exp a (x)exp a (y), (ii) exp a (n) = a n für n N, exp a : R R, exp a (x) = exp ( xlog(a) ). (iii) exp a ( p q ) = q a p für p Z, q N mit q 2. Beispiel 3. Für alle a > 0 gilt lim n n a = Einige Grenzwerte mit exp und log [F] 12 Beispiel 4. Sei k N. e x lim x x k =, Beispiel 5. Die Funktion f : R R, f(x) = lim x xk e x = 0, lim xց0 x k e 1 x =. { e 1 x x > 0 ist stetig. 0 x 0 Beispiel 6. Beispiel 7. Sei α > 0. Beispiel 8. lim xց0 xα = 0, lim logx =, lim x lim x α =, xց0 logx =. xց0 logx lim x x α = 0, e x 1 lim = 1. x 0 x x 0 lim xց0 xα logx = Dezember
23 19 Elementare Funktionen und Grenzwerte II [F] 14 [H] 3.5 [K] Trigonometrische Funktionen Definition 1 (vgl. Vorlesung 14). cosx = Re(e ix ), sinx = Im(e ix ) Euler sche Identität: e ix = cosx+isinx. Satz 1. (i) cosx = 1 2 (eix +e ix ), sinx = 1 2i (eix e ix ) (ii) cos( x) = cosx, sin( x) = sinx (iii) cos 2 (x)+sin 2 (x) = 1. Notation: cos 2 (x) = (cosx) 2, sin 2 (x) = (sinx) 2 Satz 2. cos, sin : R R sind stetig. Satz 3 (Additionstheorem). (i) cos(x+y) = cosxcosy sinxsiny (ii) sin(x+y) = sinxcosy sinycosx. Satz 4 (Potenzreihen). cosx = ( 1) k x2k k=0 (2k)!, sinx = ( 1) k x2k+1 k=0 (2k+1)!. sinx Beispiel 1. lim x 0 x = 1. x 0 [F] 14 [K] Die Zahl π Satz 5. Die Funktion cos hat genau eine Nullstelle im Intervall [0, 2] Definition 2. Die (eindeutige) Nullstelle von cos im Intervall [0,2] wird mit π 2 bezeichnet. Satz 6. e iπ 2 = i, e iπ = 1, e i3π 2 = i, e 2iπ = 1. Korollar 1 (Nullstellen von sin und cos). (i) sinx = 0genaudann,wennx = kπ füreink Z; (ii) cosx = 0 genau dann, wenn x = π 2 +kπ für ein k Z. Korollar 2. e ix = 1 genau dann, wenn x = 2kπ für ein k Z. Korollar 3. Sei n 2. Die Gleichung z n = 1 hat genau n komplexe Lösungen e i 2πk n, k = 0,1,...,n 1. Satz 7. Umfang des Einheitskreises in der Ebene = 2π. 11. Dezember
24 20 Die Funktionen tan, arctan, arcsin und arccos Definition 1. tan : R\{ π 2 +kπ : k Z} R Satz 1. (i) cos : [0,π] [ 1,1] streng monoton fallend und surjektiv; (ii) sin : [ π 2, π 2 ] [ 1,1] streng monoton wachsend und surjektiv; (iii) tan :] π 2, π 2 [ R streng monoton wachsend und surjektiv. Definition 2. arcsin, arccos : [ 1,1] R, arctan : R R Satz 2 (Polarkoordinaten). Zu jeder komplexen Zahl z C existiert r 0 und θ [ π,π] so dass z = re iθ. 21 Differentialrechnung auf R [F] 15 [H] 3.1 [K] 9.1 Im Folgenden betrachten wir Funktionen f : D R C Differenzierbare Funktionen Definition 3. Die Funktion f ist im Punkt a D differenzierbar, falls der Grenzwert existiert. f f(x) f(a) (a) = x a lim x a x a Beispiel 1. Sei n N, n 1 und c C. d dx xn = nx n 1, d dx ecx = ce cx, d dx logx = 1 x, d d sinx = cosx, dx cosx = sinx. dx Satz 3. f ist genau dann differenzierbar in a D, wenn es eine Funktion ϕ : D C existiert so dass (i) ϕ ist stetig im Punkt a; (ii) f(x) f(a) = (x a)ϕ(x) für alle x D. In diesem Fall f (a) = ϕ(a). Korollar 1. Ist f : D R C im Punkt a D differenzierbar, so ist sie auch stetig. Beispiel 2. x x nicht differenzierbar im Punkt x = Dezember
25 22 Eigenschaften differenzierbarer Funktionen Im Folgenden betrachten wir Funktionen f : D R C. Satz 1 (Lineare Approximation). f ist genau dann in a D differenzierbar, wenn es eine lineare Funktion L : R C existiert, so dass In diesem Fall gilt: L(h) = f (a)h. f(a+h) f(a) L(h) lim = 0. h 0 h [F] 15 [K] 8.1 [K] Ableitungsregeln Satz 2 (Algebraische Regeln). (i) (f +g) (x) = f (x)+g (x); (ii) (Produktregel) (fg) (x) = f (x)g(x) +f(x)g (x); ( ) (iii) (Quotientenregel) f (x) g = f (x)g(x) f(x)g (x) g 2 (x). Satz 3 (Kettenregel). (g f) (x) = g (f(x))f (x). Satz 4 (Ableitung der Umkehrfunktion). Sei g die Umkehrfunktion von f. Dann g (x) = 1 f (g(x)). [F] 16 [K] Extrema Im Folgenden betrachten wir Funktionen f : D R R. Definition 1. Extrema = lokales Maximum/Minimum einer Funktion. Satz 5. Sei x ein lokales Maximum/Minimum von f und f differenzierbar im Punkt x. Dann f (x) = Dezember
26 23 Probeklausur 4. Januar
27 24 Mittelwertsatz und Anwendungen 24.1 Mittelwertsatz Satz 1 (Satz von Rolle). Sei f : [a,b] R stetig und in ]a,b[ differenzierbar, mit f(a) = f(b). Dann existiert ξ ]a,b[ so dass f (ξ) = 0. Satz 2 (Mittelwertsatz). Sei f : [a,b] R stetig und in ]a,b[ differenzierbar. Dann existiert ein ξ ]a,b[ so dass f(b) f(a) = f (ξ). b a Korollar 1. f (x) = 0 für alle x ]a,b[= f ist konstant Regel von de l Hopital Satz 3 (Verallgemeinertes Mittelwertsatz). Seien f, g : [a, b] R stetig und in ]a, b[ differenzierbar. Dann existiert ein ξ ]a,b[ so dass f(b) f(a) g(b) g(a) = f (ξ) g (ξ). Satz 4 (l Hopital sche Regeln). Seien f,g :]a,b[ R differenzierbarund g (x) 0 für alle x ]a,b[. In jedem der beiden Situationen (a) f(x) 0 und g(x) 0 mit x ց a; (b) f(x) und g(x) mit x ց a gilt: Existiert lim f (x) xցa g (x) f(x), so existiert auch lim xցa g(x) und f(x) lim xցa g(x) = lim f (x) xցa g (x). Beispiel 1. logx lim(xlogx) = lim xց0 xց0 1/x l Hopital 1/x = lim xց0 1/x 2 = 0. Beispiel 2. lim xց0 ( 1 sinx 1 x ) = lim xց0 ( ) x sinx l Hopital = lim xsinx xց0 1 cosx xcosx+sinx Eine bessere Lösung ist die Potenzreihe für sinx zu nutzen: so dass, mit sinx = x x3 3! + x5 5! x7 7! +..., F(x) = 1 3! x2 5! x4 7! +... l Hopital sinx = lim xց0 2cosx xsinx = 0. folgt x sinx xsinx = x3 F(x) x 2 x 4 F(x) = xf(x) 1 x 2 F(x). Da F(0) = 1/6, erhalten wir lim ց x sinx xsinx = Januar
28 25 Extrema, Monotonie 25.1 Kriterium für Extrema Satz 1. Sei f :]a,b[ R differenzierbar und f (x 0 ) = 0. Dann hat f in x 0 ein lokales Minimum, falls ε > 0 so dass f 0 in ]x 0 ε,x 0 [ und f 0 in ]x 0 ε,x 0 [; lokales Maximum, falls ε > 0 so dass f 0 in ]x 0 ε,x 0 [ und f 0 in ]x 0 ε,x 0 [; 25.2 Monotonie Satz 2 (Monotoniekriteria). Ist f : D R differenzierbar, so gilt f > 0 in D f ist streng monoton wachsend, f < 0 in D f ist streng monoton fallend, f 0 in D f ist monoton wachsend, f 0 in D f ist monoton fallend. Beispiel 1. x (1+ 1 x )x ist streng monoton wachsend. Satz 3. Sei f : D R differenzierbar und in x 0 zweimal differenzierbar, mit Dann ist x 0 ein strenges lokales Maximum. f (x 0 ) = 0, f (x 0 ) > Januar
29 26 Konvexität [F] 16 [K] Definition 1. f : [a,b] R ist konvex, falls für alle x,y [a,b] und alle 0 < λ < 1 gilt: f ( λx+(1 λ)y ) λf(x)+(1 λ)f(y). f ist konkav falls f konvex ist. Satz 1. Sei f :]a, b[ R zweimal differenzierbar. Dann f ist konvex in ]a,b[ f (x) 0 für alle x ]a,b[ Anwendungen von Konvexität Lemma 1 (Geometrische/arithmetische Mittel). Sei x,y > 0 und 0 < λ < 1. Dann gilt x λ y 1 λ λx+(1 λ)y. Definition 2 (p-norm). Sei p 1 und z = (z 1,...,z n ) C n. Die p-norm von z ist ( n ) 1/p z p := z k p. Satz 2 (Hölder sche Ungleichung). Sei p,q > 1 so dass 1 p + 1 q = 1. Dann gilt n z k w k z p w q für alle z,w C n. Satz 3. Sei p 1. Dann gilt für alle z,w C n. z +w p z p + w p 15. Januar
30 27 Das Riemann sche Integral Definition 1. φ : [a,b] R ist eine Treppenfunktion, φ T[a,b], falls eine Unterteilung a = x 0 < x 1 < < x n = b existiert so dass φ ist konstant (= c k ) auf jedem offenem Teilintervall ]x k,x k+1 [. Lemma 1. T[a,b] ist ein Vektorraum. Definition 2 (Integral für Treppenfunktionen). ˆ b n 1 φ(x)dx = c k (x k+1 x k ). a k=0 Satz 1. Das Integral auf T[a,b] ist linear und monoton. Letzteres heißt φ ψ ˆ b φ(x)dx ˆ b a a ψ(x) dx. Definition 3. Sei f : [a, b] R beschränkt. Das Ober-/Unterintegral ist definiert als ˆ b {ˆ } b f(x)dx = inf ψ(x)dx : φ T[a,b], ψ f, a ˆ b a a {ˆ } b f(x)dx = sup φ(x)dx : ψ T[a,b], φ f. b f ist Riemann-integrierbar, f R[a,b] falls a f(x)dx = b a f(x)dx. In diesem Fall ˆ b a a f(x)dx := ˆ b a f(x)dx Charakterisierung von Riemann-integrierbaren Funktionen Satz 2 (Einschliessung zwischen Treppenfunktionen). f R[a, b] genau dann, wenn für alle ε > 0 b es existiert φ,ψ T[a,b] so dass φ f ψ und a (ψ φ)(x)dx ε. Satz 3. Jede stetige Funktion f : [a, b] R ist Riemann-integrierbar. Satz 4. Jede monotone Funktion f : [a, b] R ist Riemann-integrierbar. Satz 5. R[a,b] ist ein Vektorraum und das Riemann Integral ist linear und monoton auf R[a,b]. 18. Januar
31 28 Hauptsatz der Integral- und Differentialrechnung 28.1 Riemann sche Summen Definition 1. Eine Zerlegung Z = (x k ) k=0...n des Intervalls [a,b] ist eine streng monotone Folge a = x 0 < x 1 < < x n = b, mit Feinheit (Z) = max k (x k x k 1 ). Für beliebige Stützstellen ξ k [x k 1,x k ] und stetige Funktionen f : [a,b] R definieren wir die Riemann sche Summe n S(f,Z) = f(ξ k )(x k x k 1 ). Die Ober-/Untersummen sind definiert als n S (f,z) = max f (x k x k 1 ), S (f,z) = [x k 1,x k ] so dass S (f,z) S(f,Z) S (f,z). Satz 1. Sei f : [a,b] R stetig. Dann n lim f(ξ k )(x k x k 1 ) = (Z) 0 ˆ b a n max f (x k x k 1 ), [x k 1,x k ] f(x)dx. Beispiel 1. ˆ a 0 xdx = a2 2, ˆ a 1 1 dx = loga, a > 1. x Beispiel 2. Beispiel 3. lim n n 1 n+k = log(2). ( 1) k+11 k = log(2) Das unbestimmte Integral Satz 2. Sei f : [a,b] R stetig und setze F(x) := ˆ x a f(t)dt Dann ist F differenzierbar in ]a,b[ und d dxf(x) = f(x). x [a,b]. Definition 2 (Stammfunktion). Eine differenzierbare Funktion F :]a, b[ R heißt Stammfunktion von f falls d dxf(x) = f(x). Satz 3. Wenn F,G beide Stammfunktionen von f sind, dann F G =konstant. Satz 4 (Fundamentalsatz der Differential- und Integralrechnung). Sei f : [a,b] R stetig und F eine Stammfunktion von f. Dann gilt ˆ b a f(x)dx = F(b) F(a). 22. Januar
32 29 Integrationsmethoden 29.1 Stammfunktionen ˆ ˆ (i) x s dx = xs+1 1, s 1, (ii) dx = logx s+1 x ˆ ˆ (iii) sinxdx = cosx, (iv) cosxdx = sinx ˆ ˆ (v) e x dx = e x 1, (vi) dx = arcsinx 1 x 2 ˆ ˆ 1 1 (vii) dx = arctanx, (viii) dx = tanx 1+x2 (cosx) Substitutionsregel Satz 5. Sei f : D R stetig und φ : [a,b] R stetig differenzierbar mit φ([a,b]) D. Dann gilt ˆ b a f(φ(t))φ (t)dt = ˆ φ(b) φ(a) f(x)dx. Beispiel 4. ˆ 1 1 x2 dx = π Partielle Integration Satz 6. Seien f,g : [a,b] R stetig differenzierbar. Dann ˆ b f(x)g (x)dx = [f(x)g(x)] b a ˆ b a a f (x)g(x)dx Uneigentliche Integrale Definition Beispiel Januar
Übungen Analysis I WS 03/04
Blatt Abgabe: Mittwoch, 29.0.03 Aufgabe : Beweisen Sie, daß für jede natürliche Zahl n gilt: n ( ) n (x + y) n = x i y n i, i (b) n ν 2 = ν= i=0 n(n + )(2n + ), 6 (c) 2 3n ist durch 7 teilbar. Aufgabe
MehrFerienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren
Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis
Mehr1 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
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrMisterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C)
Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, 14..009 (Version C Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen aus der Vorlesung
MehrHäufungspunkte und Satz von Bolzano und Weierstraß.
Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge
MehrReelle/komplexe Zahlen und Vollständigkeit
Die folgenden Fragen/Aussagen sind mit ja / wahr oder nein / falsch zu beantworten. Da wir den Stoff der Analysis 1 behandeln, ist im weiteren davon auszugehen dass die Folgen, Reihen, Definitionsbereiche
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
Mehr10 Differenzierbare Funktionen
10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrFolgen, Reihen, Potenzreihen, Exponentialfunktion
Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Folgen, Reihen, Potenzreihen, Exponentialfunktion 20.03.2012 Inhaltsverzeichnis 1 Folgen 2
MehrKapitel 4 Folgen, Reihen & Funktionen
Kapitel 4 Folgen, Reihen & Funktionen Inhaltsverzeichnis FOLGEN REELLER ZAHLEN... 3 DEFINITION... 3 GRENZWERT... 3 HÄUFUNGSPUNKT... 4 MONOTONIE... 4 BESCHRÄNKTHEIT... 4 SÄTZE... 4 RECHNEN MIT GRENZWERTEN...
MehrVorlesung 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,
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
MehrFolgen und Reihen. Thomas Blasi
Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................
MehrAnalysis für Informatiker
Analysis für Informatiker Wintersemester 2016/2017 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrHöhere 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
Mehr4 Differenzierbarkeit
7 4 DIFFERENZIERBARKEIT Sei dazu 0 < ρ < s < r. Dann gilt lim sup k k a k
MehrAnalysis I. 2. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Die Produktmenge aus zwei Mengen L und M.
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrKapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C
Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0
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
MehrAufgaben zur Analysis I
Blatt 0 A.Dessai / A.Bartels Keine Abgabe Dieses Blatt wird in den Übungen in der zweiten Semesterwoche besprochen. Aufgabe 0.1 Zeigen Sie: Für jede natürliche Zahl n ist n(n + 5) durch 3 teilbar. Aufgabe
MehrFunktionsgrenzwerte, 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
Mehr13 Die trigonometrischen Funktionen
13 Die trigonometrischen Funktionen Wir schreiben die Werte der komplexen Exponentialfunktion im Folgenden auch als e z = exp(z) (z C). Geometrisch definiert man üblicherweise die Werte der Winkelfunktion
MehrAnalysis I, WS 14/15 Verzeichnis der wichtigsten Definitionen und Sätze
Analysis I, WS 14/15 Verzeichnis der wichtigsten Definitionen und Sätze Prof. Dr. Lorenz Schwachhöfer Inhaltsverzeichnis 1 Mathematische Grundlagen 2 2 Folgen und Reihen 7 3 Stetigkeit 15 4 Differenzierbarkeit
MehrLösungen 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 + )
Mehrist 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
MehrModul Grundbildung Analysis WiSe 10/11. A.: Wurde in diesem Kapitel behandelt. C.: Weitere Fragen (Nicht nur für die Klausur interessant)
Modul Grundbildung Analysis WiSe 10/11 Im Folgenden bedeutet A: Wurde in diesem Kapitel behandelt B: Interessante Aufgaben C: Weitere Fragen (Nicht nur für die Klausur interessant) V1 Konvergenz, Grenzwert
MehrKlausur - 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Oliver Matte Max Lein Zentralübung Mathematik für Physiker 2 Analysis ) Wintersemester 200/20 Lösungsblatt 5 2..200) 32. Häufungspunkte Sei a
MehrThema 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
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
MehrKlausur zur Analysis I WS 01/02
Klausur zur Analysis I WS 0/0 Prof. Dr. E. Kuwert. Februar 00 Aufgabe (4 Punkte) Berechnen Sie unter a) und b) jeweils die Ableitung von f für x (0, ): a) f(x) = e sin x b) f(x) = x α log x a) f (x) =
MehrThema 4 Limiten und Stetigkeit von Funktionen
Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrGRUNDLAGEN 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
Mehr2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)
2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt
MehrVorlesungen Analysis von B. Bank
Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf
Mehr3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung
Kapitelgliederung 3. Folgen und Reihen 3.1 Folgen und Grenzwerte 3.2 Rechenregeln für konvergente Folgen 3.3 Monotone Folgen und Teilfolgen 3.4 Ein Algorithmus zur Wurzelberechnung 3.5 Reihen 3.6 Absolut
Mehr8 Reelle Funktionen. 16. Januar
6. Januar 9 54 8 Reelle Funktionen 8. Reelle Funktion: Eine reelle Funktion f : D f R ordnet jedem Element x D f der Menge D f R eine reelle Zahl y R zu, und man schreibt y = f(x), x D. Die Menge D f heißt
MehrLösungsvorschlag 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
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
Mehr3.3 Konvergenzkriterien für reelle Folgen
3.3 Konvergenzkriterien für reelle Folgen Satz: Eine monoton wachsende, nach oben beschränkte reelle Folge a n ) n N ist konvergent mit Grenzwert lim a n = sup{a n n N} Beweis: Sei a n ) n N nach oben
Mehr1 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,
MehrMusterlösung. 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,
MehrVorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)
1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrKapitel 6. Differentialrechnung. 6.1 Die Ableitung einer Funktion
Kapitel 6 Differentialrechnung 6. Die Ableitung einer Funktion 6.2 Rechenregeln 6.3 Mittelwertsätze 6.4 Die Regeln von L Hospital 6.5 Konvexe Funktionen 6.6 Wichtige Ungleichungen und l p Normen 6. Die
MehrAnalysis 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
MehrSBP Mathe Aufbaukurs 3. Imaginäre und komplexe Zahlen. Komplexe Zahlen in der Gaußschen Zahlenebene. Darstellungen komplexer Zahlen.
SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen mit Lernkarten
MehrSBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 3
SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 3 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
Mehr3 Grenzwert und Stetigkeit 1
3 Grenzwert und Stetigkeit 3. Grenzwerte bei Funktionen In diesem Abschnitt gilt: I ist immer ein beliebiges Intervall, 0 I oder einer der Endpunkte. 3.. Definition Sei I Intervall, 0 IR und 0 I oder Endpunkt
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrV.1 Konvergenz, Grenzwert und Häufungspunkte
V.1 Konvergenz, Grenzwert und Häufungspunkte S. 108 110 A. Bereits bekannt: Folge Extrem wichtig: Grenzwert bzw. Konvergenz: a n a oder lim n a n = a : ε R, ε > 0 n 0 N : a n a < ε n n 0 Begriffe: Fast
MehrKAPITEL 2. Folgen und Reihen
KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrKarteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke
Karteikarten, Analysis 2, Sätze und en nach der Vorlesung von PD Hanke Felix Müller, felix.b.mueller@physik.lmu.de Diese Karteikärtchen sollten alle en und Sätze der Vorlesung Analysis 2 bei Herrn PD Hanke
MehrQuiz Analysis 1. Lösungen zu den Aufgaben M1 bis M7 der Probeklausur. Mathematisches Institut, WWU Münster. Karin Halupczok.
Quiz Analysis 1 Mathematisches Institut, WWU Münster Karin Halupczok WiSe 2011/2012 Lösungen zu den Aufgaben M1 bis M7 der Probeklausur 1 Aufgabe M1: Fragen zu Folgen, Reihen und ihre Konvergenz 2 Aufgabe
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrKlausur Analysis für Informatiker Musterlösung
Prof. Dr. Torsten Wedhorn WS 9/ Dr. Ralf Kasprowitz Elena Fink Klausur Analysis für Informatiker Musterlösung 9.2.2 Name, Vorname Studienfach Matrikelnummer Semester Übungsgruppe Zugelassene Hilfsmittel:
MehrAnalysis für Lehramtsstudiengänge
Analysis für Lehramtsstudiengänge Ein Kompendium zur Vorlesung von L. Recke Inhaltsverzeichnis 1 Grundlagen 3 1.1 Mengen........................................ 3 1.1.1 Untermengen.................................
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrMonotone Funktionen. Definition Es sei D R. Eine Funktion f : D R heißt. (ii) monoton fallend, wenn für alle x, x D gilt. x < x f (x) f (x ).
Monotone Funktionen Definition 4.36 Es sei D R. Eine Funktion f : D R heißt (i) monoton wachsend, wenn für alle x, x D gilt x < x f (x) f (x ). Wenn sogar die strikte Ungleichung f (x) < f (x ) folgt,
MehrZusammenfassung der Vorlesung Einführung in die Analysis
Zusammenfassung der Vorlesung Einführung in die Analysis Hier werden die wichtigsten Definitionen und Sätze aus der Vorlesung dargestellt, zusammen mit Beweisideen und Querverbindungen. Ziel ist es, die
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 13.1.016 Zwischenwertsatz und klassische Funktionen In diesem Abschnitt haben wir es mit Funktionen zu tun, die auf einem Intervall definiert sind. Eine Menge I R ist genau dann ein
MehrMetrische Räume. Kapitel Begriff des metrischen Raumes
Kapitel 8 Metrische Räume 8.1 Begriff des metrischen Raumes Bemerkung 8.1 Motivation. In diesem Abschnitt wird der Begriff des Abstandes zwischen reellen Zahlen verallgemeinert. Das ist notwendig, um Analysis
MehrDie komplexe Exponentialfunktion und die Winkelfunktionen
Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen
MehrKlausur Analysis II
WS 28/9 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis II 6.2.28 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrAnalysis I. 12. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 2. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein angeordneter Körper. (2) Eine Folge in
Mehrn 1, n N \ {1}, 0 falls x = 0,
IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige
MehrAufgaben zur Analysis I aus dem Wiederholungskurs
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden
MehrAnalysis I. Vorlesung 13. Gleichmäßige Stetigkeit
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrKapitel 6. Exponentialfunktion
Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.
Mehrx k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert
4 Reihen Im Folgenden sei K R oder K C. 4. Definition. Es sei (x k ) Folge in K. Wir schreiben x k s und sagen, die Reihe x k konvergiere, falls die sogenannte Partialsummen-Folge s n x k n, 2,... in K
Mehr3 Stetigkeit und Grenzwerte von Funktionen
54 3 STETIGKEIT UND GRENZWERTE VON FUNKTIONEN = q + q+ = q. 3 Stetigkeit und Grenzwerte von Funktionen 3. Stetigkeit Definition 3.. Seien M, N C und sei f : M N eine Funktion. Sei ξ M. Dann heißt f stetig
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrVorlesung 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
MehrDr. O. Wittich Aachen, 12. September 2017 S. Bleß, M. Sc. Analysis. Übungsaufgaben. im Vorkurs Mathematik 2017, RWTH Aachen University
Dr. O. Wittich Aachen,. September 7 S. Bleß, M. Sc. Analysis Übungsaufgaben im Vorkurs Mathematik 7, RWTH Aachen University Intervalle, Beschränktheit, Maxima, Minima Aufgabe Bestimmen Sie jeweils, ob
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
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
MehrCauchy-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
MehrStetigkeit vs Gleichmäßige Stetigkeit.
Stetigkeit vs Gleichmäßige Stetigkeit. Beispiel: Betrachte ie Funktion f(x) = 1/x auf em Intervall D = (0, 1]. f ist in jeem Punkt p (0, 1] stetig. Denn: Sei p (0, 1] un ε > 0 gegeben. Setze δ = min (
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
Mehr7 Stetige Funktionen. 7.1 Definition und Beispiele. 7.2 Kriterien für Stetigkeit
37 7 Stetige Funktionen 7.1 Definition und Beispiele Eine Funktion f : D C heißt stetig in ξ D, falls zu jedem ε > 0 ein δ > 0 existiert, so dass z ξ < δ, z D f(z) f(ξ) < ε. Die Funktion f heißt stetig,
Mehra 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter.
7 Folgen 30 7 Folgen Wir betrachten nun (unendliche) Folgen von Zahlen a 0, a, a 2, a 3,.... Dabei stehen die drei Pünktchen für unendlich oft so weiter. Bezeichnung Wir bezeichnen mit N die Menge der
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 17 Potenzreihen Definition 17.1. Es sei (c n ) n N eine Folge von reellen Zahlen und x eine weitere reelle Zahl. Dann heißt
Mehr