4 Fehlerabschätzungen und Konvergenz der FEM

Größe: px
Ab Seite anzeigen:

Download "4 Fehlerabschätzungen und Konvergenz der FEM"

Transkript

1 4 Fehlerabschätzungen und Konvergenz der FEM

2 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und u N V N eine Näherungslösung berechnet mit der Methode der finiten Elemente. Fragen: Gilt u N u für N? u u N =? Dazu müssen wir wissen was V wirklich ist, ob darauf Folgen von u N konvergieren und was für eine Norm auf V definiert ist.

3 4 Fehlerabschätzungen und Konvergenz der FEM Skalarprodukt und Norm Skalarprodukt: Def: Es V ein Vektorraum. Eine Abbildung, : V V R : (u, v) u, v heißt Skalarprodukt, wenn für alle λ R, u, v, w V gilt 1. u, v = v, u 2. λu, v = λ u, v 3. u + w, v = u, v + w, v 4. u, u 0 und u 0 = u, u > 0 bzw. u, u = 0 = u = 0

4 4 Fehlerabschätzungen und Konvergenz der FEM 155 Die Abbildung, ist eine positiv definite, symmetrische Bilinearform. Auch a(u, v) besitzt die obigen Eigenschaften und ist daher ein Skalarprodukt. Norm: Def: Es sei V ein Vektorraum. Eine Abbildung : V R : u u heißt Norm, wenn für alle λ R, u, v V gilt: 1. u 0, u = 0 = u = 0 2. λu = λ u 3. u + v u + v (Dreiecksungleichung)

5 4 Fehlerabschätzungen und Konvergenz der FEM 156 Durch ein Skalarprodukt auf V V ist immer auch eine Norm auf V definiert: u 2 = u, u. Es gibt aber auch Normen, die nicht von einem Skalarprodukt stammen: u = max i=1,...,n u i, u R n. Mit Hilfe der Norm kann die Distanz zwischen zwei Elementen aus V angegeben werden: Bespiele: dist (u, v) = u v. 1. U = R N mit ξ, η = N i=1 ξ iη i = ξ T η.

6 4 Fehlerabschätzungen und Konvergenz der FEM W = Menge aller stetigen Funktionen auf dem Intervall [0, 1] mit innerem Produkt u, v = 1 0 u(x)v(x) dx. 3. V = Menge aller stetig differenzierbaren Funktionen auf einem beschränkten Bereich R 2 mit u, v = (u x v x + u y v y )dxdy + uv dx dy.

7 4 Fehlerabschätzungen und Konvergenz der FEM Die Bilinearform a(u, v) auf V 0 = {v V : v = 0 auf Γ u } mit V wie oben und Γ u : a(u, v) = µ (u x v x + u y v y )dxdy. (a(u, v) für Membran) Wir schreiben die zu a gehörige Norm (Energienorm) als u a = a(u, u).

8 4 Fehlerabschätzungen und Konvergenz der FEM 159 Innenproduktraum, Hilbertraum Def: Ein Vektorraum V ausgestattet mit einem Skalarprodukt heißt Innenproduktraum. Ein Innenproduktraum heißt vollständig oder Hilbertraum, falls jede Cauchyfolge konvergiert. Eine Folge (u N ) N=1 von Elementen in V heißt Cauchyfolge, wenn es zu jedem ε > 0 einen Index N 0 = N 0 (ε) gibt, sodass für alle M, N > N 0 stets u M u N < ε gilt. Gilt für die Folge (u N ) N=1, dass lim u N u M = 0 M,N ist, so existiert ein u V (vollständig), sodass gilt: lim u u N = 0. N

9 4 Fehlerabschätzungen und Konvergenz der FEM 160 Bemerkung: Mit Ausnahme des endlichdimensionalen Raumes U sind im Beispiel oben keine der Räume vollständig. Beispielsweise der Raum W der stetigen Funktionen auf dem Intervall [0, 1] mit dem angegebenen inneren Produkt. Sei 1 1 3, x 1 x N u N (x) = N 4/3 x, 0 x 1. N

10 4 Fehlerabschätzungen und Konvergenz der FEM u N (x) 1 0 1/4 1/2 3/4 1 x

11 4 Fehlerabschätzungen und Konvergenz der FEM u M (x) und u N (x) 1 0 1/4 1/2 3/4 1 x

12 4 Fehlerabschätzungen und Konvergenz der FEM 163 Wir zeigen, dass (u N ) N=1 eine Cauchyfolge bildet. Für M > N ist u M u N 2 = = 1/M 0 1/M 0 = M für M, N. 1 0 u M (x) u N (x) 2 dx ( M 4/3 N 4/3) 2 x 2 dx + ( M 4/3 ) 2 x 2 dx + 8/3 x3 3 1/M 0 1/N 1/M + 3 x 1/3 1/M 1/N 1/N 1/M ( 1 3 x ) 2dx = 1 3 M 8/3 M ( M 1/3 N 1/3) 0 ( 1 3 x N 4/3 x ) 2 dx

13 4 Fehlerabschätzungen und Konvergenz der FEM 164 Die für x > 0 punktweise definierte Grenzfunktion u(x) = 1/ 3 x ist aber nicht stetig ergänzbar auf [0, 1], ergibt also kein Element aus W. Cauchy-Schwarz sche Ungleichung Satz: Es V ein Innenproduktraum. Dann gilt für die zugehörige Norm u 2 = u, u für alle u, v V: u, v u v. Insbesondere gilt dann auch für alle u, v V a(u, v) u a v a.

14 4 Fehlerabschätzungen und Konvergenz der FEM Der Raum der quadrat-integrierbaren Funktionen: Es sei R n offen. Der Raum der quadrat-integrierbaren Funktionen auf definiert als L 2 () = v : R, v(x) 2 dx <. Wir hätten gerne, dass L 2 () mit dem inneren Produkt u, v = u(x)v(x) dx (1) ein Hilbertraum ist.

15 4 Fehlerabschätzungen und Konvergenz der FEM 166 Fragen: Welcher Integralbegriff ist gemeint? Was machen wir mit Funktionen, deren Quadratintegral v(x) 2 dx = 0 ist, die aber nicht identisch 0 sind? Def: Eine Teilmenge A heißt Nullmenge, wenn es abzählbare Überdeckungen von A beliebig kleinen Gesamtinhaltes gibt: Für alle ε > 0 existieren n-dimensionale Kugeln K j mit Vol(K j ) < ε und A K j. j=1 j=1

16 4 Fehlerabschätzungen und Konvergenz der FEM 167 Hier wird der Lebesguesche Integralbegriff verwendet. Diese Integrationstheorie baut auf messbaren Funktionen auf. Eine messbare Funktion v : R heißt quadrat-integrierbar, wenn ihr Quadrat Lebesgue-integrierbar ist, also v(x) 2 dx als Lebesgue-Integral existiert. Es gilt nun v(x) 2 dx = 0 {x : v(x) 0} ist Nullmenge. Zwei messbare Funktionen sind äquivalent, wenn sie fast überall (f.ü.) übereinstimmen, das heißt überall, außer auf einer Nullmenge. Für fast überall gleiche Funktionen stimmen die Integrale überein.

17 4 Fehlerabschätzungen und Konvergenz der FEM 168 Exakte Definition von L 2 (): L 2 () = { Äquivalenzklassen fast überall gleicher Funktionen, die messbar und Lebesgue-quadrat-integrierbar sind.} L 2 () ist ein Hilbertraum. Es gilt auch: L 2 () ist die Vervollständigung des Raumes C c () bzw. der kleinste Hilbertraum, der C c () enthält. Cc () ist die Menge aller beliebig oft differenzierbaren Funktionen auf mit kompaktem Träger, versehen mit dem inneren Produkt u, v = uv dx. Träger: supp(f) = Abschluss von {x : f(x) 0}.

18 4 Fehlerabschätzungen und Konvergenz der FEM 169 Beispiele auf = ( 1, 1) (offen!): v(x) = 1 3 x L 2 ( 1, 1) ; v(x) = ln x L 2 ( 1, 1) ; v(x) = θ(x) L 2 ( 1, 1) ; v(x) = 1 x L 2 ( 1, 1). Dabei bezeichnet θ(x) die Heavisidefunktion { 1, x > 0, θ(x) = 0, x < 0.

19 4 Fehlerabschätzungen und Konvergenz der FEM Schwache Ableitungen von Funktionen und Funktionalen Beispiele für lineare Funktionale: 1. Jede stetige Funktion f : R definiert ein Funktional T f : ϕ f(x)ϕ(x) dx. (2) Falls T f (ϕ) = 0 ist für alle ϕ C c (), so ist nach dem Fundamentallemma der Variationsrechnung f 0. Die Zuordnung f T f ist injektiv; wir können daher f mit T f identifizieren.

20 4 Fehlerabschätzungen und Konvergenz der FEM Die Diracsche Deltafunktion im Punkte p ist das Funktional, das jedem ϕ C c () den Funktionswert an der Stelle p zuordnet: δ p : ϕ ϕ(p). Die Diracsche Deltafunktion ist keine Funktion, also nicht von der Form T f für eine integrierbare Funktion f. Wäre dem nämlich so, so könnten wir ϕ j Cc () nehmen mit ϕ j (p) = 1, 0 ϕ j (x) 1, aber Träger in immer kleiner werdenden Kugeln K j um p. Dann hätte man den Widerspruch 1 = δ p (ϕ j ) = f(x)ϕ j (x) dx f(x) dx 0 für j. K j

21 4 Fehlerabschätzungen und Konvergenz der FEM 172 Die schwache Ableitung: Def: Die Ableitung eines Funktionals T nach x k ist definiert als das Funktional ( ) ( ) T (ϕ) = T ϕ, ϕ Cc (). x k x k Def: Eine auf integrierbare Funktion f hat eine schwache Ableitung g nach x k, falls g auf integrierbar ist und für alle ϕ Cc () f ϕ dx = gϕ dx x k gilt.

22 4 Fehlerabschätzungen und Konvergenz der FEM 173 Beispiele: 1. Ableitung einer differenzierbaren Funktion f: Sei f eine differenzierbare Funktion auf = R. Dann ist die Ableitung als Funktional T f (ϕ) = T f (ϕ ) = f(x)ϕ (x) dx = f (x)ϕ(x) dx = T f (ϕ). Wir identifizieren wiederum f mit T f. Daher stimmt die schwache Ableitung mit der Ableitung als Funktion überein.

23 4 Fehlerabschätzungen und Konvergenz der FEM Die Ableitung der Heavisidefunktion θ: T θ(ϕ) = T θ (ϕ ) = θ(x)ϕ (x) dx = ϕ (x) dx = ϕ(x) 0 = ϕ(0) = δ 0 (ϕ). 0 Dies ist die Diracsche Deltafunktion im Ursprung.

24 4 Fehlerabschätzungen und Konvergenz der FEM 175 Die Ableitung der Hutfunktion: Die Hutfunktion ist im klassischen Sinne nicht differenzierbar, d.h. in den drei Knicken ist sie nicht differenzierbar. Beispiel für eine Hutfunktion auf [0, 1]: Es sei 0 a < c < b 1 und 0 x [0, a], x a x [a, c], c a H(x) = b x x [c, b], b c 0 x [b, 1].

25 4 Fehlerabschätzungen und Konvergenz der FEM c b T H(ϕ) = T H (ϕ ) = Hϕ dx = Hϕ dx + Hϕ dx = 0 a c c b = Hϕ c a H ϕ dx + Hϕ b c H ϕ dx = a c c b = H ϕ dx H ϕ dx + H(c)ϕ(c) H(c)ϕ(c) = a c 1 = H ϕ dx = T H (ϕ). 0

26 4 Fehlerabschätzungen und Konvergenz der FEM 177 Die schwache Ableitung H hat die (nicht eindeutige) Darstellung 0 x [0, a), 0 x [0, a], H 1/(c a) x [a, c), 1/(c a) x (a, c), (x) = = = 1/(b c) x [c, b), 1/(b c) x [c, b], 0 x [b, 1] 0 x (b, 1],

27 4 Fehlerabschätzungen und Konvergenz der FEM 178 Sie ist in a, b und c nicht eindeutig bestimmt. Diese drei Punkte sind aber eine Nullmenge in [0, 1]. Das heißt die schwache Ableitung ist eindeutig f.ü. Alle Darstellungen erfüllen aber 1 1 Hϕ dx = H ϕ dx, 0 da die Ungenauigkeiten in a, b und c beim Integrieren geschluckt werden. 0

28 4 Fehlerabschätzungen und Konvergenz der FEM 179 Ableitung einer stückweise stetig differenzierbaren Funktion: Eine Funktion f : R R heißt stückweise stetig, wenn es Punkte p 1,..., p s gibt, sodass f (,p1 ), f (p1,p 2 ),..., f (ps, ) stetig ist; f hat also möglicherweise bei den Punkten p 1,..., p s Sprungstellen. Ist f in den obigen Bereichen stetig differenzierbar, so spricht man von einer stückweise stetig differenzierbaren Funktion.

29 4 Fehlerabschätzungen und Konvergenz der FEM 180 Die Ableitung einer stückweise stetig differenzierbaren Funktion f als Funktional ist T f (ϕ) = T f (ϕ ) = = p 1 p 1... f (x)ϕ(x) dx f(x)ϕ (x) dx p s p s 1 p 2 p 1 p s p 2 p 1 f(x)ϕ (x) dx f (x)ϕ(x) dx f (x)ϕ(x) dx f(x)ϕ (x) dx p s f(x)ϕ (x) dx f (x)ϕ(x) dx p s 1 p s

30 4 Fehlerabschätzungen und Konvergenz der FEM 181 = f(x)ϕ(x) p 1 f(x)ϕ(x) p 2... f(x)ϕ(x) p 1 f (x)ϕ(x) dx + ( f(p 1 +) f(p 1 ) ) ϕ(p 1 ) ( f(p s +) f(p s ) ) ϕ(p s ) = T f (ϕ) + [ f ] p 1 δ p1 (ϕ) [ f ] p s δ ps (ϕ), wobei [ ] den Sprung der Funktion im jeweiligen Punkt bedeutet. Die Ableitung einer Funktion als Funktional wird also ermittelt, indem man die Funktion mittels Formel für partielle Integration auf die Ableitung einer Testfunktion anwendet; man spricht daher von der schwachen Ableitung. p s

31 4 Fehlerabschätzungen und Konvergenz der FEM Sobolevräume Def: Sobolevräume sind definiert als Räume quadrat-integrierbarer Funktionen, deren schwache Ableitungen wieder quadrat-integrierbar sind. Ist zum Beispiel u L 2 (), so können wir u mit dem Funktional T u identifizieren. Dass ist, heißt ausführlich: x 1 T u L 2 ()

32 4 Fehlerabschätzungen und Konvergenz der FEM 183 Es existiert ein u 1 L 2 (), sodass x 1 T u = T u1 ist, oder: Es existiert ein u 1 L 2 (), sodass u(x) ϕ(x) dx = x 1 u 1 (x)ϕ(x) dx ist, für alle ϕ C c (). In diesem Fall schreiben wir x 1 u zu L 2 () gehört. x 1 T u = x 1 u und sagen, dass

33 4 Fehlerabschätzungen und Konvergenz der FEM 184 Mit diesen Konventionen können wir nun die Sobolevräume definieren: H 1 () = { v L 2 () : Allgemeiner ist für k = 1, 2, 3,... v,..., v L 2 () }. x 1 x n H k () = {v L 2 () : alle Ableitungen bis zur Ordnung k sind in L 2 ()}. Beispiele: 1. Die Heavisidefunktion θ ist in L 2 ( 1, 1), aber nicht in H 1 ( 1, 1), da θ/ x = δ 0 nicht in L 2 ( 1, 1) liegt. 2. Die Hutfunktionen liegen in H 1 ().

34 4 Fehlerabschätzungen und Konvergenz der FEM 185 Es gilt: L 2 () = H 0 () H 1 () H 2 () H 3 () 4.5 Normen auf den Sobolevräumen H k Def: Es sei V ein Vektorraum. Eine Abbildung : V R : u u heißt Seminorm, wenn für alle λ R, u, v V gilt: 1. λu = λ u 2. u + v u + v (Dreiecksungleichung) 3. aber im Gegensatz zur Norm: u u = 0.

35 4 Fehlerabschätzungen und Konvergenz der FEM 186 Ableitungen: Es sei α = (α 1,..., α d ) mit α i {0, 1, 2,... }. Weiters sei α := d i=1 α i. Dann definieren wir eine α -te (schwache) Ableitung: α v α v := x α 1 1 x α 2 2 x α. d Beispiel: v : R 2 R, für α = (1, 2) ist dann d α v = 3 v. x 1 x 2 2

36 4 Fehlerabschätzungen und Konvergenz der FEM 187 Normen und Skalarprodukte auf H k : Als Beispiele geben wir die Normen und Skalarprodukte für R 2 an. H 0 -Norm bzw. L 2 -Norm: u, v 0 := u, v = uv dx dy. v 2 := v 2 0 := v 2 L 2 () := v 2 dx dy.

37 4 Fehlerabschätzungen und Konvergenz der FEM 188 H 1 -Seminorm: v 2 1 := α v 2 0. α =1 v 2 1 = (vx 2 + vy) 2 dx dy. H 1 -Norm: v 2 1 := α v 2 0 = v v 2 1. u, v 1 = α 1 uv dx dy + (u x v x + u y v y ) dx dy. v 2 1 = v 2 dx dy + (vx 2 + vy) 2 dx dy.

38 4 Fehlerabschätzungen und Konvergenz der FEM 189 H 2 -Seminorm: H 2 -Norm: v 2 2 := v 2 2 := α v 2. α =2 v 2 2 = (vxx 2 + 2vxy 2 + vyy) 2 dx dy. α v 2 = v v 2 2 = v v v 2 2. α 2 u, v 2 = uv dx dy + (u x v x + u y v y ) dx dy + (u xx v xx + 2u xy v xy + u yy v yy ) dx dy v 2 2 = v 2 dx dy + (vx 2 + vy) 2 dx dy + (v 2 xx + 2v 2 xy + v 2 yy) dx dy.

39 4 Fehlerabschätzungen und Konvergenz der FEM 190 H k -Seminorm: v 2 k := α v 2. α =k H k -Norm: v 2 k : = α v 2 = v 2 k 1 + v 2 k α k = v v v 2 k. Daraus folgt eine neue Definition von H k : H k () = {v : v k < }

40 4 Fehlerabschätzungen und Konvergenz der FEM Äquivalenz von Normen Wir betrachten wieder als Beispiel das Membranproblem. Gegeben sei ein zweidimensionales Gebiet offen mit Rand Γ = Γ u Γ t. Γ u soll ein Maß (Länge) größer Null haben. Der Vektorraum V hat nun folgende Gestalt: V = {v H 1 () : v = 0 auf Γ u }.

41 4 Fehlerabschätzungen und Konvergenz der FEM 192 Variationsproblem (V): Suche u V, sodass für alle v V a(u, v) F (v) = 0 (V) gilt mit symmetrischer, positiv definiter Bilinearform a und Linearform F a(u, v) = µ (u x v x + u y v y ) dx dy F (v) = fv dx dy + t (n) v ds. Γ t

42 4 Fehlerabschätzungen und Konvergenz der FEM 193 Randwertproblem (D): µ u + f = 0 u = 0 auf auf Γ u µ u n = t(n) auf Γ t. Im folgenden sind zusätzliche Eigenschaften für (allgemeine) a und F erforderlich. a heißt V-elliptisch, falls gilt: Es gibt C L > 0 a(v, v) C L v 2 1 für alle v V. F heißt beschränkt, falls gilt: Es gibt C F > 0 F (v) C F v a für allev V.

43 4 Fehlerabschätzungen und Konvergenz der FEM 194 Satz: (Ungleichung von Poincaré) Es gibt ein c > 0, sodass gilt: v 0 c v 1 für alle v H 1 0() := {v H 1 () : v = 0 auf Γ}. Dies gilt auch für alle v im oben definierten V. Beweis: Der allgemeine Beweis ist ziemlich anspruchsvoll (Duvaut-Lions, Theorem III.3.3 oder Raviart-Thomas, Theorem 2.3-1). Wir geben ihn nur für den Fall = 0 (a, b), Γ u = 0 {a}, also eines Rechtecks, dessen unterer Rand Γ u ist. Dann gilt:

44 4 Fehlerabschätzungen und Konvergenz der FEM 195 (v(x, y)) 2 = v 2 0 = b a y a 1 v y (x, t) dt y v(x, y) = (v(x, y)) 2 dx dy a y (y a) b a v y (x, t) dt, a 0 (y a) (b a) 2 0 ( vy (x, t) ) 2 dt, (C.S.) b a y a ( vy (x, t) ) 2 dt dx dy ( vy (x, t) ) 2 dt dx c 2 (vx 2 + vy) 2 dt dx = c 2 v 2 1.

45 4 Fehlerabschätzungen und Konvergenz der FEM 196 Eine Norm ist zu einer Norm äquivalent, falls es Konstanten C L, C R > 0 gibt, sodass für alle v V gilt. C L v 2 v 2 C R v 2 Wir zeigen nun, dass die Energienorm a äquivalent zur H 1 -Norm 1 ist, also für alle v V gilt. C L v 2 1 v 2 a C R v 2 1 Achtung dies gilt nur für ein a das aus ersten Ableitungen besteht. Andere a sind gegebenfalls zu anderen H k -Normen äquivalent.

46 4 Fehlerabschätzungen und Konvergenz der FEM 197 Beweis: In unserem Fall gilt v 2 a = µ v 2 1 µ ( v v 2 0) = µ v 2 1 für die rechte Ungleichung und somit C R = µ. Linke Ungleichung: v 2 1 = v v 2 1 (c 2 + 1) v 2 1 = c2 + 1 µ v 2 a. Daraus folgt C L = µ c Somit können wir auch schreiben: H 1 () = {v : a(v, v) < }. H 1 () ist versehen mit der Energienorm ein Hilbertraum.

47 4 Fehlerabschätzungen und Konvergenz der FEM Existenz und Eindeutigkeit der Lösung Wir betrachten nun obigen Hilbertraum V versehen mit a(u, v) als Skalarprodukt und Norm a. Eine Eigenschaft des Hilbertraums V ist, dass es orthnormale Elemente {ψ i } i=1 ( ψ i a = 1, a(ψ i, ψ j ) = δ ij ) gibt für die gilt: 1. Jedes v V lässt sich als in der Norm a konvergente Summe v = j=1 η jψ j schreiben. 2. Ist (η j ) j=1 eine Folge reeller Zahlen mit j=1 η j 2 <, so konvergiert die Reihe j=1 η jψ j in V und definiert ein w V. Ein endlichdimensionaler Unterraum V N soll nun durch die Orthonormalbasis {ψ 1, ψ 2,..., ψ N } aufgespannt werden.

48 4 Fehlerabschätzungen und Konvergenz der FEM 199 Damit läßt sich leicht eine Näherungslösung u N durch Lösen von (V N ) a(u N, v) = F (v) berechnen: Es sei u N = N j=1 η jψ j die Lösung von (V N ). Die Koeffizienten η i erhalten wir durch setzen von v = ψ i. ( N ) a(u N, ψ i ) = a η j ψ j, ψ i = η i = F (ψ i ). j=1 a(u N, v) konvergiert gegen a(u, v), falls u N in der a gegen u konvergiert: a(u, v) a(u N, v) = a(u u N, v) u u N a v a 0. Wegen der Beschränktheit von F konvergiert F (v N ) gegen

49 4 Fehlerabschätzungen und Konvergenz der FEM 200 F (v) für v N v V. F (v N ) F (v) = F (v N v) C F v N v a 0. Weiters ist (F (ψ i )) i=1 quadratsummierbar. Daher können wir den Grenzübergang aus dem endlichdimensionalen Fall machen und somit ist u = F (ψ i )ψ i i=1 Lösung von (V). Es existiert also eine Lösung von (V). Diese ist auch eindeutig. Wir nehmen an, dass es zwei verschiedene Lösungen u 1 und u 2 gibt:

50 4 Fehlerabschätzungen und Konvergenz der FEM 201 Wir subtrahieren a(u 1, v) = F (v) und a(u 2, v) = F (v) und erhalten a(u 1 u 2, v) = 0 für alle v V. Speziell für v = u 1 u 2 folgt dann a(u 1 u 2, u 1 u 2 ) = 0 = u 1 = u 2 f.ü., da a positiv definit ist.

51 4 Fehlerabschätzungen und Konvergenz der FEM Das Lemma von Céa Satz: (Galerkin-Orthogonalität) Gegeben seien V, V N, Bilinearform a und Linearform F. Weiters sei u Lösung von (V) und u N Lösung von (V N ). Dann gilt: Beweis: a(u u N, v) = 0 für alle v V N. a(u, v) = F (v) v V (also auch v V N ) (V) a(u N, v) = F (v) v V N (V N ) Subtraktion: a(u, v) a(u N, v) = 0 v V N = a(u u N, v) = 0 v V N.

52 4 Fehlerabschätzungen und Konvergenz der FEM 203 Lemma von Céa: Mit C > 0 gilt für beliebige endlichdimensionale Teilräume V N V: u u N a inf{ u w a : w V N }. u u N 1 C inf{ u w 1 : w V N }. Beweis: Es gilt nach obigem Satz a(u u N, u N ) = 0 und a(u u N, v) = 0 für v V N. u u N 2 a = a(u u N, u u N ) = a(u u N, u) a(u u N, u N ) = a(u u N, u) a(u u N, v) = a(u u N, u v) u u N a u v a.

53 4 Fehlerabschätzungen und Konvergenz der FEM 204 Division durch u u N a liefert den ersten Teil des Lemmas. Für 1 gilt dann: C L u u N 2 1 u u N 2 a u u N a u v a C R u u N 1 C R u v 1. Nun dividieren wir durch C L u u N 1 und erhalten den zweiten Teil mit C = C R C L. Satz: Es gilt u N a u a. Beweis: Dies folgt aus u N 2 a + u u N 2 a = u 2 a.

4 Fehlerabschätzungen und Konvergenz der FEM

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

Mehr

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

Finite Elemente Methode für elliptische Differentialgleichungen

Finite Elemente Methode für elliptische Differentialgleichungen Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte

Mehr

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

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

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

Zusammenfassung Analysis 2

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

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

Finite Elemente I 2. 1 Variationstheorie

Finite Elemente I 2. 1 Variationstheorie Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform

Mehr

30 Metriken und Normen

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

Mehr

Einführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript)

Einführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript) Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Universität der Bundeswehr München Einführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript) Univ. Prof.

Mehr

6 Fourierreihen und die Fouriertransformation

6 Fourierreihen und die Fouriertransformation $Id: fourier.tex,v 1.11 2013/06/19 13:58:28 hk Exp $ $Id: hilbert.tex,v 1.4 2013/06/19 07:00:55 hk Exp hk $ 6 Fourierreihen und die Fouriertransformation 6.4 Distributionen In der letzten Sitzung hatten

Mehr

Lebesgue-Integral und L p -Räume

Lebesgue-Integral und L p -Räume Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R

Mehr

Der n-dimensionale Raum

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

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

Schwache Lösungstheorie

Schwache Lösungstheorie Kapitel 4 Schwache Lösungstheorie Bemerkung 4.1 Motivation. Dieses Kapitel stellt eine Erweiterung des Lösungsbegriffes von partiellen Differentialgleichungen vor die schwache Lösung. Diese Erweiterung

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

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

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

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz im quadratischen Mittel - Hilberträume CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften

Mehr

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben 9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,

Mehr

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung

Mehr

2.6 Der Satz von Fubini

2.6 Der Satz von Fubini 1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N

Mehr

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

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

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen

Mehr

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e) 27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.

Mehr

72 Orthonormalbasen und Konvergenz im quadratischen Mittel

72 Orthonormalbasen und Konvergenz im quadratischen Mittel 72 Orthonormalbasen und Konvergenz im quadratischen Mittel 30 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Wir untersuchen nun die Konvergenz von Fourier-Reihen im quadratischen Mittel in

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016 Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

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

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

Mehr

6 Räume integrierbarer Funktionen

6 Räume integrierbarer Funktionen $Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)

Mehr

2. Integration. {x : f(x) <a+ 1 n }

2. Integration. {x : f(x) <a+ 1 n } 9 2.1. Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten

Mehr

12 Der Gaußsche Integralsatz

12 Der Gaußsche Integralsatz 12. Der Gaußsche Integralsatz 1 12 Der Gaußsche Integralsatz Das Ziel dieses Abschnitts ist die folgende zentrale Aussage der mehrdimensionalen Analysis und der Theorie der partiellen Differentialgleichungen:

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

43 Unitäre Vektorräume

43 Unitäre Vektorräume 43 Unitäre Vektorräume 43 1 Zusammenfassung In diesem Paragrafen werden die gleichen Themen wie in 41 abgehandelt, jetzt allerdings für den komplexen Fall. Die Aussagen entsprechen sich weitgehend, daher

Mehr

4 Messbare Funktionen

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

Mehr

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7 1. Eine Teilmenge K eines topologischen Raumes heißt folgenkompakt, wenn jede Folge in K eine Teilfolge enthält, die in K konvergiert. Die Menge K heißt abzählbar kompakt, wenn jede unendliche Teilmenge

Mehr

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Aufgabe 13 Wie üblich sei l 1 = {x : N K x n < } mit Norm x l 1 = x n und l = {x : N K sup n N x n < } mit x l = sup n N x n Für die Unterräume d

Mehr

Ritz-Galerkin-Verfahren Courant Element

Ritz-Galerkin-Verfahren Courant Element Ritz-alerkin-Verfahren Courant Element Moritz Scherrmann LMU München Zillertal am 09.01.2015 Moritz Scherrmann Ritz-alerkin-Verfahren Courant Element 1/15 Erinnerung Sei R n beschränktes ebiet, f C 0 ()

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

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

Mehr

Klausur zur Höheren Mathematik IV

Klausur zur Höheren Mathematik IV Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene

Mehr

Rechenoperationen mit Folgen. Rekursion und Iteration.

Rechenoperationen 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 )

Mehr

Analysis II. Vorlesung 47

Analysis II. Vorlesung 47 Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima

Mehr

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen. Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere

Mehr

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R

Mehr

Kapitel 5. Vektorräume mit Skalarprodukt

Kapitel 5. Vektorräume mit Skalarprodukt Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der

Mehr

12 Biholomorphe Abbildungen

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

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $

$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $ $Id: hilbert.tex,v 1.5 2013/06/21 13:11:01 hk Exp hk $ 7 Hilberträume In der letzten Sitzung hatten wir die Theorie der Hilberträume begonnen, und sind gerade dabei einige vorbereitende elementare Grundtatsachen

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

Mehr

Ferienkurs Analysis 3. Ari Wugalter März 2011

Ferienkurs Analysis 3. Ari Wugalter März 2011 Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass

Mehr

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck

Mehr

10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)

10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C) 10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,

Mehr

2 Allgemeine Integrationstheorie

2 Allgemeine Integrationstheorie 2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns

Mehr

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

Mehr

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

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

Mehr

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11 Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

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

Mehr

3 Das n-dimensionale Integral

3 Das n-dimensionale Integral 3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst

Mehr

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges

Mehr

Ferienkurs in Maß- und Integrationstheorie

Ferienkurs in Maß- und Integrationstheorie Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Vektorräume und lineare Abbildungen

Vektorräume und lineare Abbildungen Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten

Mehr

5 Die Picardschen Sätze

5 Die Picardschen Sätze 03 5 Die Picardschen Sätze Für eine zweimal stetig differenzierbare reell- oder komplexwertige Funktion f auf einem Gebiet G C ist der Laplace-Operator definiert durch Behauptung: = 4 Beweis: Daraus folgt:

Mehr

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR 0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

Skript Einführung in Sobolevräume. Roland Griesse. TU Chemnitz

Skript Einführung in Sobolevräume. Roland Griesse. TU Chemnitz Skript Einführung in Sobolevräume Roland Griesse TU Chemnitz Material für: begleitend für andere Vorlesungen oder zum Selbststudium Fehler und Kommentare bitte an: roland.griesse@mathematik.tu-chemnitz.de

Mehr

1.3 Differenzierbarkeit

1.3 Differenzierbarkeit 1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man

Mehr

2. Stetige lineare Funktionale

2. Stetige lineare Funktionale -21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über 9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres

Mehr

Partielle Differentialgleichungen Kapitel 11

Partielle Differentialgleichungen Kapitel 11 Partielle Differentialgleichungen Kapitel Die Laplace- und Poisson- Gleichungen Die Struktur bei elliptischen Gleichungen zweiter Ordnung ist nicht wesentlich verschieden bei Operatoren mit konstanten

Mehr

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

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

Mehr

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

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

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

Mehr

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober/November 2017

Mehr

1 Konvergenz im p ten Mittel

1 Konvergenz im p ten Mittel Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In

Mehr

Kapitel II Konforme Finite Elemente

Kapitel II Konforme Finite Elemente Kapitel II Konforme Finite Elemente Die mathematische Behandlung der Finite-Element-Verfahren fußt auf der Variationsformulierung elliptischer Differentialgleichungen. Die Lösungen der wichtigsten Differentialgleichungen

Mehr

Inverse Fourier Transformation

Inverse Fourier Transformation ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung

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

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Analysis 2 Torsten Wedhorn June 12, 2012 Notation Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Zahlen. Contents 12 Metrische Räume 2 (A) Definition metrischer Räume........................

Mehr

Analysis I. Guofang Wang Universität Freiburg

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

Mehr

Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations

Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations Prof. Dr. H. J. Pesch Lehrstuhl für Ingenieurmathematik Universität Bayreuth Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations (Teil 1: SS 26) 4. Übung

Mehr

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 2 Kapitel 3 Integrationstheorie Vorlesungsausarbeitung zum SS 2001 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Maßtheorie

Mehr

Finite Elemente am Beispiel der Poissongleichung

Finite Elemente am Beispiel der Poissongleichung am Beispiel der Poissongleichung Roland Tomasi 11.12.2013 Inhalt 1 2 3 Poissongleichung Sei R n ein Gebiet mit abschnittsweise glattem Rand und f L 2 (). Wir suchen u : R, so dass u = f in, u = 0 Physikalische

Mehr

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel 4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der

Mehr

Das Lebesgue-Maß im R p

Das Lebesgue-Maß im R p Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien

Mehr

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

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

Mehr

Mathematik II. Vorlesung 46. Der Gradient

Mathematik II. Vorlesung 46. Der Gradient Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen

Mehr

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser

Mehr

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2 D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.

Mehr

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion. Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.

Mehr

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen

Mehr

Das mehrdimensionale Riemann-Integral. 1. Volumenintegrale

Das mehrdimensionale Riemann-Integral. 1. Volumenintegrale Das mehrdimensionale Riemann-Integral. Volumenintegrale Es sei ein uader im R n gegeben durch := [a, b ] [a 2, b 2 ] [a n, b n ] = {(x,... x n ) a j x j b j } mit rellen Zahlen a j, b j, j =,... n. Offenbar

Mehr