Die Cantor-Funktion. Stephan Welz

Größe: px
Ab Seite anzeigen:

Download "Die Cantor-Funktion. Stephan Welz"

Transkript

1 Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser Ausarbeitung zur Cantor-Funktion wird, ausgehend von der Cantor-Menge, eine Abbildung vom Intervall [0,] auf das Intervall [0,] konstruiert und sich mit deren Eigenschaften befasst. Um dem Leser den Einstieg zu erleichtern, werden zunächst die elementaren Ideen der Bildung einer Cantor-Menge wiederholt und die in dieser Arbeit gewählten Notationen erläutert. Nachdem wir schlieÿlich im zweiten Abschnitt eine Funktion deniert haben, die wir als Cantor-Funktion bezeichnen wollen, werden wir uns im dritten Teil den besonderen und teilweise überraschenden Eigenschaften der Cantor-Funktion widmen.

2 Inhaltsverzeichnis Die Cantor-Menge 3 2 Denition der Cantor-Funktion auf den weggestrichenen Teilintervallen in den Punkten der Cantor-Menge Eigenschaften der Cantor-Funktion und deren Beweise 7 3. Stetigkeit Monotonie Nicht-Dierenzierbarkeit in C Dierenzierbarkeit in [0,]\C Surjektivität Die Cantorfunktion eingeschränkt auf C Nicht-Lipschitz-Stetigkeit Resümee 8 Abbildungsverzeichnis. Entstehung der Cantor-Menge Bild der Cantor-Funktion bis Denition Die Cantor-Funktion

3 Die Cantor-Menge Im Jahre 883 führte der deutsche Mathematiker Georg Cantor eine Menge ein, die bereits acht Jahre vorher von Henry John Steven Smith, einem irischen Mathematiker, konstruiert wurde. Bei dieser Menge, die heute Cantor-Menge genannt wird, handelt es sich um eine Wischmenge; also um eine Menge, die durch das wegwischen verschiedener Bereiche einer Ursprungsmenge entsteht. Um die Cantor-Menge zu erhalten, wird dieser Wischprozess unendlich oft durchgeführt. Obgleich Georg Cantor die Konstruktionsvorschriften zur Mengenbildung sehr allgemein formuliert hat, so dass es mehrere verschiedene Mengen gibt, die als eine Cantor-Menge bezeichnet werden könnten, so meint man heute zumeist die Cantor-Ternär-Menge auf dem Intertervall [0,], wenn man von der Cantor-Menge spricht. Wir wollen uns nun zunächst noch einmal kurz mit der Konstruktion dieser Menge befassen, bevor wir diese nutzen, um eine Abbildung zu konstruieren. Wie bereits angedeutet durchläuft die Cantor-Menge bei ihrer Entstehung einen inniten Prozess. Um diesen Prozess zu verstehen, werden wir uns zunächst die ersten beiden Schritte im Detail ansehen, bevor wir uns der tatsächlichen Cantor-Menge widmen.. Schritt Wir betrachten das kompakte Intervall I 0 := [0, ]. Indem man das oene Intervall ( 3, 2 3 ) =: J, entfernt, bleiben uns die Intervalle [0, 3 ] =: I, und [ 2 3, ] =: I,2 der Länge ( 3 ) 2. Schritt Betrachte I, und I,2 und entferne ( 9, 2 9 ) =: J 2, und ( 7 9, 8 9 ) =: J 2,2 Man erhält nun die kompakten Intervalle [0, 9 ] =: I 2, [ 2 9, 3 ] =: I 2,2 [ 2 3, 7 9 ] =: I 2,3 und [ 8 9, ] =: I 2,4 der Länge ( 3 )2 Bemerkung. Die Bildung der Cantor-Menge beruht also darauf, dass die oenen Mittdrittel-Intervalle der kompakten Urprungsintervalle entfernt werden. Wir wählen dabei die Bezeichnung der Intervalle wie folgt: Die kompakten Intervalle, die nach dem n-ten Iterationsschritt übrig bleiben, bezeichnen wir mit I n,k, wobei k diese abzählbare Menge an Intervallen nummeriert. Die oenen Intervalle, die im m-ten Schritt aus der Menge entfernt werden, wollen wir mit J m,l bezeichnen. Ganz analog ist hier l ein Nummerierungsindex, der die Reihenfolge der Intervalle beginnend von der unteren Grenze 0 des Ursprungsintervalls [0,] zur oberen Grenze angibt. n-ter Schritt Betrachte alle I n,i und entferne die mittleren oenen Teilintervalle J n,i Man erhält 2 n kompakte Intervalle I n,i der Länge ( 3 )n 3

4 Abbildung.: Entstehung der Cantor-Menge (www.achim-und-kai.de) Notation: C n = [0, ] \ n 2 n l= C := C = [0, ] \ n N m= J l,m 2 n m= J n,m 2 Denition der Cantor-Funktion Nun möchten wir eine Funktion denieren, die das Intervall [0,] auf das Intervall [0,] abbildet. Bei dieser Abbildung möchten wir jedoch unterscheiden, ob das Urbild in der Cantor-Menge C liegt oder in einem Bereich auÿerhalb, und entsprechend verschiedene Abbildungsvorschriften gelten lassen. Die Funktion, die wir im Folgenden konstruieren, nennen wir Cantor-Funktion und kürzen sie mit dem griechischem Buchstaben Φ (Phi) ab auf den weggestrichenen Teilintervallen Betrachten wir zunächst die Punkte auf den Teilintervallen, die während unserer Cantor- Mengen-Bildung weggestrichen wurden. Wir ordnen diesen Punkten die folgenden Funktionswerte zu: Denition 2. Sei x J n,k, dann gilt: Φ(x) := 2k 2 n Betrachten wir nun die obige Denition, so ergeben sich für die ersten Teilintervalle folgende Funktionswerte: 4

5 für < x < 2 (J 2 3 3, ) für < x < 2 (J , ) Φ(x) = 3 7 für < x < 8 (J ,2 ) für < x < 2 (J , ). für in den Punkten der Cantor-Menge In diesem Abschnitt möchten wir uns mit der Funktionsvorschrift der Cantor-Funktion beschäftigen, die die Punkte in der Cantor-Menge in unseren Bildbereich, das Intervall [0,], abbildet. Dabei betrachten wir zunächst die Punkte x = 0 und x = gesondert: Denition 2.2 Am Anfangs- und Endpunkt unseres Urbild-Intervalls denieren wir: Φ(0) := 0 und Φ() := Abbildung 2.: Bild der Cantor-Funktion bis Denition 2.2 (www.gimmler.org) Nun betrachten wir diejenigen Punkte in C, die Randpunkt eines kompakten Intervalls I n,k sind. Wenn wir uns noch einmal ins Gedächtniss rufen, wie diese Intervalle bei der Entstehung der Cantor-Menge gebildet wurden, wird schnell klar, dass jeder dieser Randpunkte in genau einem Abschluss eines oenen weggestrichenen Teilintervalls J m,l liegt. Natürlich gilt für die tatsächliche Cantormenge n = ; jedoch dient es der Anschaulichkeit, wenn man zunächst versucht, diese Tatsache mit einem endlichen, kleinen n nachzuvollziehen. Nachdem dies geschehen ist, denieren wir wie folgt: Denition 2.3 Φ(x) := 2k 2 n für x (J n,k \ J n,k ) 5

6 Es gilt also für die Punkte des Abschlusses der J n,k dieselbe Funktionsvorschrift, wie für die Punkte, die in eben diesen Intervallen enthalten sind (vgl. Deniton 2.). Obwohl wir nun schon sehr viele Punkte und Intervalle unseres Urbildes mit einer Funktionsvorschrift versehen haben, bleiben dennoch Punkte, die wir bisher noch nicht abgebildet haben. Im Folgenden werden wir betrachten, wie wir diese Punkte sinnvoll abbilden können. Dabei ist es wieder ratsam, sich zunächst etwas von der tatsächlichen Cantor-Menge zu lösen, indem man sich vorstellt, man würde ihre Bildung nach k Iterationsschritten abbrechen. Sei x also nun so gewählt, dass Φ(x) noch nicht deniert ist. Wir wissen daher, dass 0 x gilt und x nicht in einem weggestrichenen Teilintervall oder deren Abschluss liegt. Es ist also klar, dass x in einem übriggeblibenen Teilintervall (α k, β k ) der Länge ( 3 )k liegen muss. Daraus ergibt sich, dass β k = α k + ( 3 )k. Für die Randpunkte dieses Intervalls haben wir bereits Funktionvorschriften deniert, die hier zur Anwendung kommen: Φ(β k ) = Φ(α k ) + ( 2 )k. Wir betrachten nun den k + -Iterationsschritt unserer Mengenbildung. Oensichtlich macht es nur Sinn, wenn unser x nun immer noch in einem nicht-weggestrichenen Intervall liegt, da wir sonst auf die Denition aus Abschnitt 2. zurückgreifen könnten. Es sei also x (α k+, β k+ ), wobei es unerheblich ist, ob es sich hierbei um das links oder rechts übrig gebliebene Intervall handelt. Es gilt im Allgemeinen: Φ(α k ) Φ(α k+ ) < Φ(β k+ ) Φ(β k ) und wir denieren: Denition 2.4 Φ(x) := lim k Φ(α k ) = lim k Φ(β k ) Damit ist Φ auf ganz [0,] deniert und wir können uns nun den Eigenschaften der Cantor-Funktion zuwenden. Abbildung 2.2: Die Cantor-Funktion (www.math.harvard.edu) 6

7 3 Eigenschaften der Cantor-Funktion und deren Beweise Theorem 3. Die Cantor-Funktion Φ:[0,] [0,] mit Φ(0) = 0 und Φ() = hat die folgenden Eigenschaften. Φ ist stetig 2. Φ ist monoton steigend 3. Φ ist für kein x dierenzierbar 4. Φ ist für alle x [0, ] dierenzierbar und Φ (x) = 0 5. Φ ist surjektiv 6. Φ C : C [0, ] ist surjektiv 7. Φ ist nicht lipschitzstetig 3. Stetigkeit n N x, y [0, ] gilt: Falls: x y < ( 3 Φ(x) Φ(y) < ( ) n 2 ε > 0 δ > 0 : x y < δ Φ(x) Φ(y) < ε Φ ist gleichmäÿig stetig 3.2 Monotonie Der Beweis der Monotonie folgt direkt aus unserer Denition der Cantor-Funktion. 3.3 Nicht-Dierenzierbarkeit in C Wir betrachten zunächst wieder die vereinfachte Cantor-Funktion, bei der nach k Iterationsschritten die Bildung der Cantor-Menge abgebrochen wird. Wenn wir dann im zweiten Schritt k gegen Unendlich gehen lassen, so erhalten wir den Beweis, dass Φ in C nicht dierenzierbar ist. Sei also x C x ist in einem abgeschlossen Intervall, das im k-ten Schritt entstanden ist, und welches wir hier [α, β] nennen wollen. { Φ(β) Φ(α) = ( 2 )k β α = ( 3 )k [Φ(β) Φ(α)] = ( 3 2 )k [β α] ) n [Φ(β) Φ(x)] + [Φ(x) Φ(α)] = ( 3 2 )k [(β x) + (x α)] { } α Es gilt im Allgemeinen folgende Beziehung max, γ β δ die wir nun anwenden wollen: α+γ β+δ für α, γ 0, β, δ > 0, 7

8 max{ Φ(β) Φ(x), Φ(x) Φ(α) } ( 3 (β x) (x α) 2 )k Lassen wir nun k gehen, so sehen wir leicht, dass entweder die links- oder die rechtsseitige Ableitung Φ (x) = sein müsste. Φ ist nicht dierentierbar in C 3.4 Dierenzierbarkeit in [0,]\C Die Menge [0,]\C besteht nur aus oenen Intervallen, die jeweils auf einen konstanten Funktionswert abgebildet werden. Daher ist diese Aussage klar. 3.5 Surjektivität Aus der Eigenschaft, dass Φ(0) := 0 und Φ() := und der in Abschnitt 3. bewiesenen Stetigkeit, folgt mittels Zwischenwertsatz für stetige Funktionen: y [0, ] x [0, ] : Φ(x) = y Φ ist surjektiv 3.6 Die Cantorfunktion eingeschränkt auf C Wir haben in Abschnitt 3.5 gezeigt, dass es zu jedem Punkt in [0,] ein Urbild in [0,] gibt. Da es keinen Punkt im Bild gibt, der genau ein Urbild hat, welches aus einem oenen Intervall stammt, ist es klar, dass die auf C eingeschränkte Cantorfunktion surjektiv auf den gesamten Bildbereich [0,] abgebildet wird. (Zur Erinnerung: Die Randpunkte der oenen Intervalle sind in der Cantor-Menge enthalten und werden auf den selben Funktionswert abgebildet, wie die Punkte im oenen Intervall J n,k ) 3.7 Nicht-Lipschitz-Stetigkeit Zuletzt untersuchen wir die Cantor-Funktion noch auf Lipschitz-Stetigkeit. Wäre Φ lipschitzstetig, so müsste es eine Konstante K geben, so dass x, y [0, ] : Φ(x) Φ(y) < K x y Wir betrachten nun die Randpunkte zweier benachbarter Intervalle im k-ten Iterationsschritt Φ(x) Φ(y) = ( 3 2 )k x y Damit ist klar, dass für k kein K R existiert, so dass die Lipschitz-Bedingung erfüllt ist. 4 Resümee Wir haben uns mit der Cantor-Funktion und ihren Eigenschaften befasst. Für mich persönlich, war es ein sehr spannendes Thema, da es mir anfangs unvorstellbar war, dass man eine stetige, monotone Funktion konstruieren kann, so dass für ihre Ableitung an den meisten Stellen Φ (x) = 0 gilt. Die Aufgabe, ausgehend von der ohnehin schon faszinierenden Cantor-Menge, eine Funktion zu konstruieren, für die diese Eigenschaften gelten, hat bei mir groÿes Interesse geweckt. Auch im Nachhinein ist es immer 8

9 noch unglaublich, dass eine solche Funktion existiert. Man stelle sich mal die einzelnen Iterationsschritte vor: Nach dem zweiten Schritt haben wir bereits die Hälfte aller Urbild-Punkte abgebildet, aber nur drei Punkte im Bildbereich getroen. Es ist wirklich bewundernswert, dass man trotz dieser oensichtlichen Ungleichverteilung eine stetige Funktion denieren kann. Betrachtet man sich die Punkte der Cantor-Menge C, deren Anzahl zwar unendlich ist, die aber auf dem Intervall [0,] nahezu vernachlässigbar erscheinen, ist es doch sehr bewundernswert, was diese Punkte bewirken. Für alle diejenigen, die sich zu diesem Thema weiter informieren möchten empfehle ich zunächst das englischsprachige Wikipedia. Wer jedoch total in die Welt der Cantor-Funktion, komplexerer Cantor-Mengen und weiterer mathematischer Phänomene einsteigen möchte, ist sicherlich mit dem Buch Experimental Mathematics in Action von David H. Bailey (u.a.) gut beraten. Literatur [] Rajwade, A.R.: Surprises and Counterexamples in Real Function Theory, Hindustan Book Agency, Delhi 2007 [2] Bailey, David H. (u.a.): Experimental Mathematics in Action, A. K. Peters Ltd., [3] Wise, Gary L.: Counterexamples in probability and real analysis, Oxford University Press, New York, 933 [4] Cantor-set, Cantor-function 9

Weitere Interessante Funktionen

Weitere Interessante Funktionen Weitere Interessante Funktionen Pascal Wagner Ausarbeitung zum Vortrag im PS Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Die Euler-Mascheroni-Konstante

Die Euler-Mascheroni-Konstante Die Euler-Mascheroni-Konstante Niloufar Rahi Ausarbeitung zum Vortrag in Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Wenn von der

Mehr

Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel

Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel Januar 2010 Peter Weigel. Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre.

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische Räume und stetige Abbildungen Teil 2 TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des

Mehr

Thema 3 Folgen, Grenzwerte

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

Mehr

Konstruktion der reellen Zahlen 1 von Philipp Bischo

Konstruktion der reellen Zahlen 1 von Philipp Bischo Konstruktion der reellen Zahlen 1 von Philipp Bischo 1.Motivation 3 1.1. Konstruktion von R im allgemeine 3 2.Voraussetzung 3 2.1Die Menge Q zusammen mit den beiden Verknüpfungen 3 2.2Die Rationalen Zahlen

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Musterlösung zu Blatt 11, Aufgabe 1

Musterlösung zu Blatt 11, Aufgabe 1 Musterlösung zu Blatt 11, Aufgabe 1 I Aufgabenstellung Es sei I =[a, b] ein kompaktes Intervall. (a) Zeigen Sie, daß eine stetige Funktion f : I R genau dann injektiv ist, wenn sie strikt monoton ist.

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Mengen, Funktionen und Logik

Mengen, Funktionen und Logik Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Die Cantor-Menge. Florian Röÿler

Die Cantor-Menge. Florian Röÿler Die Cantor-Menge Florian Röÿler Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser Arbeit

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um

Mehr

Tangenten und die erste Ableitung

Tangenten und die erste Ableitung Tangenten und die erste Ableitung Christin Throm Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der reellen Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung:

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

Mehr

Das Verfahren von Heron

Das Verfahren von Heron Das Verfahren von Heron Hans Bäckel Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Das Verfahren von Heron ist ein iteratives Verfahren

Mehr

Mathematik für Ökonomen 1

Mathematik für Ökonomen 1 Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen

Mehr

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

Abitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis

Abitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Abbildungen, Funktionen, Folgen, Summen und Grenzwerte

Abbildungen, Funktionen, Folgen, Summen und Grenzwerte Vorkurs Mathematik, PD Dr. K. Halupczok, WWU Münster Fachbereich Mathematik und Informatik 7.9.203 Ÿ5 Abbildungen, Funktionen, Folgen, Summen und Grenzwerte Ÿ5. Abbildungen und Funktionen Wir beginnen

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

3 Vollständige Induktion

3 Vollständige Induktion 3.1 Natürliche Zahlen In den vorherigen Kapiteln haben wir die Menge der natürlichen Zahlen schon mehrfach als Beispiel benutzt. Das Konzept der natürlichen Zahlen erscheint uns einfach, da wir es schon

Mehr

2 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

2 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

Mehr

6 Conways Chequerboard-Armee

6 Conways Chequerboard-Armee 6 Conways Chequerboard-Armee Spiele gehören zu den interessantesten Schöpfungen des menschlichen Geistes und die Analyse ihrer Struktur ist voller Abenteuer und Überraschungen. James R. Newman Es ist sehr

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

Kapitel 3. Natürliche Zahlen und vollständige Induktion Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine

Mehr

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

Handreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler)

Handreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler) 1 Handreichung zur Mathematikvorlesung für Wirtschaftswissenschaftler) Dr.Dr. Christina Schneider 2 Hinweis Das vorliegende Manuskript versteht sich als kurze und kompakte Handreichung zu meiner Vorlesung

Mehr

PROSEMINAR ONLINE ALGORITHMEN

PROSEMINAR ONLINE ALGORITHMEN PROSEMINAR ONLINE ALGORITHMEN im Wintersemester 2000/2001 Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans (Betreuer) Vortrag vom 15.11.2000 von Jan Schmitt Thema : Finden eines

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

Konvergenz, Filter und der Satz von Tychonoff

Konvergenz, Filter und der Satz von Tychonoff Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.

Mehr

Zusatztutorium, 25.01.2013

Zusatztutorium, 25.01.2013 Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Topologische Aspekte: Eine kurze Zusammenfassung

Topologische Aspekte: Eine kurze Zusammenfassung Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,

Mehr

Quantitative Risk Management

Quantitative Risk Management Quantitative Risk Management Copulas und Abhängigkeit Johannes Paschetag Mathematisches Institut der Universität zu Köln Wintersemester 2009/10 Betreuung: Prof. Schmidli, J. Eisenberg i Inhaltsverzeichnis

Mehr

Das Singularitätentheorem von Hawking Teil 2

Das Singularitätentheorem von Hawking Teil 2 Das Singularitätentheorem von Hawking Teil Jakob Hedicke 0.06.06 In diesem Vortrag werden wir den Beweis des Singularitätentheorems von Stephen Hawking vervollständigen. Im letzten Vortrag wurde bereits

Mehr

Trennende Markov Ketten

Trennende Markov Ketten Trennende Markov Ketten (in Zusammenarbeit mit A. Martinsson) Timo Hirscher Chalmers Tekniska Högskola Seminarvortrag KIT 8. Mai 206 Übersicht Der Seminarvortrag ist wie folgt gegliedert: Einleitung Denitionen

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

2. Symmetrische Gruppen

2. Symmetrische Gruppen 14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen

Mehr

194 Beweis eines Satzes von Tschebyschef. Von P. E RDŐS in Budapest. Für den zuerst von T SCHEBYSCHEF bewiesenen Satz, laut dessen es zwischen einer natürlichen Zahl und ihrer zweifachen stets wenigstens

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T.

Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T. Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T. Streubel Lösungsalternativen für die Übungsaufgaben zur Vorlesung

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

n=1 a n mit reellen Zahlen a n einen

n=1 a n mit reellen Zahlen a n einen 4 Unendliche Reihen 4. Definition und Beispiele Ein altes Problem der Analysis ist es, einer Reihe mit reellen Zahlen einen Wert zuzuordnen. Ein typisches Beispiel ist die unendliche Reihe + +..., die

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Musterlösung zu Blatt 12 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 12 der Vorlesung Analysis I WS08/09 Musterlösung zu Blatt 1 der Vorlesung Analysis I WS08/09 Schriftliche Aufgaben Aufgabe 1. Beweisskizze a): Wir benutzen die Stetigkeit von sin und cos und sin π/) = 1, sinπ/) = 1, cos π/) = cosπ/) = 0,

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis)

Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis) Westfälische Wilhelms-Universität Münster Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis) Ausarbeitung im Rahmen des Seminars Einführung

Mehr

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Stetigkeit. Definitionen. Beispiele

Stetigkeit. 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

Mehr

Beispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y

Beispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y Kombinatorik Nach [1], Chap.4 (Counting Methods and the Pigeonhole Principle). Multiplikationsprinzip Beispiel 1 Wieviele Wörter der Länge 4 kann man aus den Buchstaben A,B,C,D,E bilden,... 1. wenn Wiederholungen

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich

Mehr

Elementare Mengenlehre

Elementare Mengenlehre Vorkurs Mathematik, PD Dr. K. Halupczok WWU Münster Fachbereich Mathematik und Informatik 5.9.2013 Ÿ2 Elementare Mengenlehre Der grundlegendste Begri, mit dem Objekte und Strukturen der Mathematik (Zahlen,

Mehr

Funktionsgrenzwerte, Stetigkeit

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

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen Skript zur Analysis 1 Kapitel 3 Stetigkeit / Grenzwerte von Funktionen von Prof. Dr. J. Cleven Fachhochschule Dortmund Fachbereich Informatik Oktober 2003 2 Inhaltsverzeichnis 3 Stetigkeit und Grenzwerte

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7 Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Vorlesung Theoretische Informatik

Vorlesung Theoretische Informatik Vorlesung Theoretische Informatik Automaten und Formale Sprachen Hochschule Reutlingen Fakultät für Informatik Masterstudiengang Wirtschaftsinformatik überarbeitet von F. Laux (Stand: 09.06.2010) Sommersemester

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

2. Vorlesung. Slide 40

2. Vorlesung. Slide 40 2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

Informatik IC2. Balazs Simon 2005.03.26. Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................

Mehr

Mathematische Grundlagen der Ökonomie Übungsblatt 8

Mathematische Grundlagen der Ökonomie Übungsblatt 8 Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt

Mehr