Analysis I. Skript. von Maximilian Schlund

Größe: px
Ab Seite anzeigen:

Download "Analysis I. Skript. von Maximilian Schlund"

Transkript

1 Analysis I Dozent: Prof. Suris Wintersemester 2006/07 Analysis I Skript von Maximilian Schlund Man beachte bitte, dass dies lediglich die L A TEX-Version meiner Mitschrit ist und kein offizielles Skript des Lehrstuhls oder des Dozenten! Ohne Gewähr und ohne Anspruch auf Vollständigkeit oder Richtigkeit. (Konstruktive) Kritik/Verbesserungsvorschläge/Korrekturen gerne per Mail an mich. (Nachname at in Punkt tum Punkt de)

2 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 0 Organisatorisches 1 1 Natürliche Zahlen 2 2 Ganze Zahlen, rationale Zahlen 4 3 Weitere Anwendungen der Induktion 8 4 Weitere Eigenschaften des Körpers Q 12 5 Reelle Zahlen 14 6 Reelle Folgen und Konvergenz 22 0 Organisatorisches Website der Vorlesung: www-lm.ma.tum.de/an1m067/ 0.1 Literatur O. Foster, Analysis1, Vieweg K. Königsberger, Analysis1, Springer V. Zorich, Mathematical analysis, Vol I, Springer, 2003 B. Gelbbaum, J. Olmsted, Counterexamples in analysis, Notation, Begriffe a A (a ist Element von A) A B (A ist Teilmenge von B) A B = {a a A und a B} (Durchschnitt) A B = {a a A oder a B} (Vereinigung) A \ B = {a a A und a / B} (Differenz) A B = {(a,b) a A,b B} (Menge aller geordneten Paare a,b) : für alle..., : existiert... oder es gibt... f : A B (Abbildung/Funktion) := heißt: ist definiert durch... Eine Relation auf A ist eine Teilmenge von A A N - natürliche Zahlen Z - ganze Zahlen Q - rationale Zahlen R - reelle Zahlen C - komplexe Zahlen Die Analysis beschäftigt sich mit: Grenzwerten, Stetigkeit, Differentiation, Integral Grenzprozesse

3 1 Natürliche Zahlen 2 1 Natürliche Zahlen N = {1,2,3,...}, N 0 = {0,1,2,3,...} 1.1 Peano-Axiome für N 0 : N 0 sei eine Menge mit einem ausgezeichneten Element 0 und einer Operation (Abbildung) ν : N 0 N 0 (Nachfolger-Abbildung) mit folgenden Eigenschaften: (P1) 0 / ν(n 0 ) (Kein Element in N 0 hat 0 als Nachfolger) (P2) x y ν(x) ν(y) (Verschiedene Elemente haben verschiedene Nachfolger) (P3) Das Induktionsaxiom: Sei M N 0 eine Teilmenge mit zwei Eigenschaften: a) 0 M b) x M ν(x) M Dann ist M = N 0 Man kann beweisen, dass alle Mengen mit diesen drei Eigenschaften gleich beschaffen (isomorph) sind. Man kann das Induktionsaxiom verwenden um: neue Begriffe zu definieren Sätze oder bestimmte Eigenschaften zu beweisen Definition 1.1 (Addition von natürlichen Zahlen) + : N 0 N 0 N 0 definiert man induktiv folgendermaßen: (wir schreiben a + b statt +(a,b) ) (I1) a + 0 = a (I2) a + ν(b) = ν(a + b) Laut dem Axiom (P3) ist die Addition für alle a,b N 0 definiert. Satz 1.2 (Eigenschaften der Addition) (a + b) + c = a + (b + c) a,b,c N 0 (Assoziativgesetz) a + b = b + a a,b N 0 (Kommutativgesetz) Allgemeine Bemerkung: Um eine Aussage über alle natürlichen Zahlen c zu beweisen, macht man zwei Schritte: (I1) Induktionsbasis: beweise die Aussage für c = 0 (I2) Induktionsschritt: beweise, dass aus der Aussage für c die Aussage für ν(c) folgt

4 1.1 Peano-Axiome für N 0 : 3 Beweis: Wir beweisen das Assoziativgesetz per Induktion bezüglich c (I1) (a + b) + 0 Def1.1(I1) = a + b Def1.1(I1) = a + (b + 0) (was für c = 0 zu beweisen war) (I2) Angenommen die Assoziativität gilt für irgendeine natürliche Zahl c N 0. Betrachte (a+b)+ν(c) Def1.1(I2) = ν((a+b)+c) IA = ν(a+(b+c)) Def1.1(I2) = a + ν(b + c) Def1.1(I2) = a + (b + ν(c)) (was für ν(c) zu beweisen war) Das beweist das Assoziativgesetz! Beweis des Kommutativgesetzes : Zuerst beweisen wir, dass 0 + a = a (= a + 0) per Induktion bezüglich a }{{} siehe Def1.1 (I1) = 0 (laut (I1) der Definition 1.1) (I2) Angenommen es gilt: 0 + a = a, dann: 0 + ν(a) Def1.1(I1) = ν(0 + a) IA = ν(a) (was zu beweisen war) (1 := ν(0)) Merke: a + 1 = a + ν(0) Def1.1(I2) = ν(a + 0) = ν(a) ν(a) = a + 1 Wir beweisen nun, dass n N 0 gilt:1 + a = ν(a) (= a + 1) }{{} gerade gezeigt Wir beweisen per Induktion bezüglich a (I1) Def1.1(I1) = 1 = ν(0) (I2) Annahme es gilt: 1 + a = ν(a) Dann: 1 + ν(a) Def1.1(I2) = ν(1 + a) IA = ν(ν(a)) = ν(a) + 1 (was zu beweisen war) Endlich beweisen wir, dass a,b N 0 : a + b = b + a. Dies beweisen wir per Induktion bezüglich b. (I1) a + 0 = 0 + a (wurde bereits bewiesen) (I2) Angenommen es gilt a+b = b+a, dann gilt: a+ν(b) Def1.1(I2) = ν(a+b) = 1 + (a + b) (es wurde bereits bewiesen, dass ν(n) = 1 + n) IA = 1 + (b + a) Assoziativgesetz = (1 + b) + a = ν(b) + a (was zu beweisen war) Definition 1.3 (Multiplikation) : N 0 N 0 N 0 (man schreibt a b statt (a,b)) ist folgendermaßen definiert: (I1) a 0 = 0 a N 0 (I2) a ν(b) = a b + a a,b N 0 Satz 1.4 (Übliche Eigenschaften der Multiplikation) a (b + c) = a b + a c a,b,c N 0 (1. Distributivgesetz)

5 2 Ganze Zahlen, rationale Zahlen 4 (a + b) c = a c + b c a,b,c N 0 (2. Distributivgesetz) (a b) c = a (b c) a,b,c N 0 (Assoziativgesetz) a 1 = 1 a = a a N 0 (neutrales Element/Einselement) a b = b a a,b N 0 (Kommutativgesetz) 2 Ganze Zahlen, rationale Zahlen 2.1 Ganze Zahlen Wir suchen Lösungen zu derartigen Gleichungen: 5 + x = 3 Problem: Keine Lösung N 0. Lösung: Erweiterung zu den ganzen Zahlen. Wir wollen die Lösung als Paar von natürlichen Zahlen auffassen (das dann als 2 interpretiert werden). Ein solches Paar wäre (3,5) aber auch (1,3) oder (98,100). Wir wollen alle solchen Paare als äquivalent deklarieren. (3,5) (1,3) (0,2) (100,102)... Allgemeiner: Es wird eine Relation auf der Menge N 0 N 0 von Paaren von natürlichen Zahlen eingeführt. (m 1,n 1 ) (m 2,n 2 ) m 1 + n 2 = m 2 + n 1 Eine Relation heißt Äquivalenzrelation, wenn sie reflexiv ist, d.h. (m, n) (m, n) symmetrisch ist, d.h. (m 1,n 1 ) (m 2,n 2 ) (m 2,n 2 ) (m 1,n 1 ) transitiv ist, d.h. aus (m 1,n 1 ) (m 2,n 2 ) und (m 2,n 2 ) (m 3,n 3 ) folgt (m 1,n 1 ) (m 3,n 3 ) Sobald man eine Äquivalenzrelation auf X hat, kann man die Äquivalenzklassen der x X definieren: ÄK(x) = {y X,y x} Eigenschaften: Wenn ÄK(x 1) ÄK(x 2) dann ÄK(x 1) ÄK(x 2) = Die Vereinigung aller Äquivalenzklassen ist die ganze Menge X. In unserem Fall: X = N 0 N 0, die Relation wurde oben definiert. Definition 2.1 (Ganze Zahlen) Die Menge Z von ganzen Zahlen ist die Menge der Äquivalenzklassen von N 0 N 0 bezüglich der obigen Relation (m 1,n 1 ) (m 2,n 2 ) m 1 + n 2 = m 2 + n 1 Daraus folgt, dass die natürlichen Zahlen eine Teilmenge der ganzen Zahlen bilden (N 0 Z) falls man N 0 n = ÄK(n,0) identifiziert. Die negativen ganzen Zahlen definiert man als n := ÄK(0,n).

6 2.1 Ganze Zahlen 5 Also: 0 = {(0,0),(1,1),(2,2)...} 1 = {(1,0),(2,1),(3,2)...}. 2 = {(0,2),(1,3),(2,4)...}. 23 = {(0,23),(1,24),(2,25)...} Definition 2.2 (Operationen mit ganzen Zahlen) Es seien a,b Z, a = ÄK(m 1,n 1 ), b = ÄK(m 2,n 2 ) Dann definiert man: a + b := ÄK(m 1 + m 2,n 1 + n 2 ) a b := ÄK(m 1m 2 + n 1 n 2,m 1 n 2 + m 2 n 1 ) Informelle Erklärung: Man denke sich a als a = m 1 n 1 und b als b = m 2 n 2 Dann soll die Additon so definiert sein, dass a + b = (m 1 + m 2 ) (n 1 + n 2 ) ergibt und die Multiplikation soll so definiert sein, dass gilt: a b = (m 1 n 1 ) (m 2 n 2 ) = (m 1 m 2 + n 1 n 2 ) (m 1 n 2 + n 1 m 2 ) Man muss überprüfen, dass die in Definition 2.2 definierten Operationen wohl definiert sind, d.h. unabhängig von der Wahl der Repräsentanten (m 1,n 1 ) für a und (m 2,n 2 ) für b sind. (Man zeigt z.b. dass aus (m 1,n 1 ) ( m 1,ñ 1 ) und (m 2,n 2 ) ( m 2,ñ 2 ) folgt, dass (m 1,n 1 ) + (m 2,n 2 ) ( m 1,ñ 1 ) + ( m 2,ñ 2 )) Bemerkung: Auf N 0 N 0 Z Z stimmen die neuen Operationen mit den alten überein, denn für a = ÄK(a,0), b = ÄK(b,0) N 0 hat man a + b = ÄK(a + b,0) und a b = ÄK(a b,0) Satz 2.3 Die Operationen + und haben auf Z Z die üblichen Eigenschaften aus den Sätzen 1.2 und 1.4: (A1) (a + b) + c = a + (b + c) a,b,c Z (A2) a + b = b + a a,b Z (A3) a + 0 = 0 + a = a a Z (M1) (a b )c = a (b c) a,b,c Z (M2) a b = b a a,b Z (M3) a 1 = 1 a = a a Z (D) a (b + c) = a b + a c a,b,c Z

7 2.2 Rationale Zahlen 6 Beweis: Einfach, aber langweilig... z.b. für (A2) a = ÄK(m 1,n 1 ), b = ÄK(m 2,n 2 ) dann ist a + b = ÄK(m 1 + m 2,n 1 + n 2 ) = ÄK(m 2 + m 1,n 2 + n 1 ) = b + a (d.h. die Eigenschaften für die Operationen auf Z folgen immer aus den entsprechenden Eigenschaften für N 0 ) Definition 2.4 (Die Negative) Für a = ÄK(m,n) setzt man: a = ÄK(n,m) Satz 2.5 (Grundeigenschaft der Negativen) (A4) a + ( a) = ( a) + a = 0 a Z Beweis: a + ( a) = ÄK(m,n) + ÄK(n,m) = ÄK(m + n,m + n) = 0 Definition 2.6 (Subtraktion) a b := a + ( b) a,b Z Diese Zahl a b ist die (eindeutige) Lösung der Gleichung b + x = a Für a = ÄK(a,0), b = ÄK(b,0) N 0 gilt: a b = ÄK(a,0) + ÄK(0,b) = ÄK(a, b) a = ÄK(m,n) a = m n Für a = ÄK(m,n) Z gilt genau eine der 3 folgenden Möglichkeiten: entweder m = n, dann a = 0 oder: kann man m aus n durch das sukzessive Bilden von Nachfolgern gewinnen, dann schreibt man a > 0 oder: kann man n aus m durch das sukzessive Bilden von Nachfolgern gewinnen, dann schreibt man a < 0 Satz 2.7 (Anordnung von Z) (O1) a Z gilt genau eine der Möglichkeiten: entweder a > 0 oder a = 0 oder a > 0 a < 0 (O2) a > 0 und b > 0 a + b > 0 (O2) a > 0 und b > 0 a b > Rationale Zahlen Wir können die Gleichung a x = b a,b Z nicht immer lösen. z.b.: 3x = 2 oder 5x = 2. Wir sagen, dass das Paar (2,3) die erste, und das Paar ( 2,5) die zweite Gleichung löst. hierbei soll gelten (2,3) (4,6) (6,9) ( 100, 150)...

8 2.2 Rationale Zahlen 7 Definition 2.8 (Rationale Zahlen) Die Menge Q von rationalen Zahlen ist die Menge von Äquivalenzklassen von Paaren (m,n) mit m,n Z, n 0 bezüglich der neuen Äquivalenzrelation (m 1,n 1 ) (m 2,n 2 ) m 1 n 2 = m 2 n 1 Die Elemente m := ÄK(m,1) = {(m,1),(2m,2),( 2m,2),(23m,23)...} werden mit den ganzen Zahlen Z identifiziert. Somit ist Z Q. Eigentlich noch zu zeigen: ist eine Äquivalenzrelation! Definition 2.9 (Operationen mit rationalen Zahlen) Es seien a = ÄK(m 1,n 1 ), b = ÄK(m 2,n 2 ) Q Man definiert: a + b := ÄK(m 1n 2 + m 2 n 1,n 1 n 2 ) a b := ÄK(m 1m 2,n 1 n 2 ) Zu zeigen: Summe und Produkt sind wohl definiert d.h. unabhängig von der Wahl der Repräsentanten (m 1,n 1 ) für a und (m 2,n 2 ) für b. Auf Z Z Q Q stimmen die neuen Operationen mit den alten überein: a = ÄK(a,1), b = ÄK(b,1) Z, dann gilt: a + b = ÄK(a b,1 1) = ÄK(a + b,1) a b = ÄK(a b,1 1) = ÄK(a b,1) Satz 2.10 (Eigenschaften der Addition und Multiplikation auf Q) Die Operationen + : Q Q Q und : Q Q Q haben die Eigenschaften (A1) bis (A4) und (M1) bis (M3) und (D). Beweis: folgt direkt aus den entsprechenden Eigenschaften für Z Definition 2.11 (Die Inverse) Für a = ÄK(m,n) Q mit m 0 setzen wir a 1 = 1 a := ÄK(n,m) Q Satz 2.12 (Eigenschaften der Inversen) (M4) a a 1 = a 1 a = 1 a Q Beweis: a a 1 = ÄK(m,n) ÄK(n,m) = ÄK(mn,mn) = 1 Definition 2.13 (Division von rationalen Zahlen) a b := a b 1 a Q,b Q \ {0} Diese Zahl ist die (eindeutige) Lösung der Gleichung b x = a (b 0) Für a = ÄK(a,1) Z,b = ÄK(b,1) Z \ {0} gilt: = ÄK(a,1) ÄK(1,b) = ÄK(a,b) a b Also: a = ÄK(m,n) Q a = m n Definition 2.14 (Körper) Eine Menge K mit zwei binären Operationen + : K K K und : K K K mit den Eigenschaften (A1) bis (A4), (M1) bis (M4) und (D) heißt ein Körper.

9 3 Weitere Anwendungen der Induktion 8 Q ist ein Körper Definition 2.15 Die Zahl a Q heißt positiv, wenn die ÄK von a ein Paar (m,n) mit m,n N enthält. (dann sind es unendlich viele solche Paare (lm,ln) mit l N) Satz 2.16 (Anordnung der Rationalen Zahlen) Für Q gelten die Eigenschaften (O1) bis (O3) aus dem Satz 2.7 Beweis: selbst überprüfen! Definition 2.17 (Angeordneter Körper) Ein Körper K heißt ein angeordneter Körper, falls es P K gibt derart, dass gilt: (O1) x K gilt genau eine der drei Aussagen: x P oder x = 0 oder x P (O2) x,y P x + y P (O3) x,y P x y P Somit ist Q ein angeordneter Körper (setze P gleich der Menge der positiven rationalen Zahlen). Schreibweise: x P x > 0 a > b a b > 0 ( a b P) a < b b a > 0 b > a a b (a > b oder a = b) a b (a < b oder a = b) Eigenschaften: x > y und a > 0 a x > a y x > y und a < 0 a x < a y x 2 = x x > 0 x 0 (Insbesondere 1 = 1 1 > 0) 3 Weitere Anwendungen der Induktion zur Erinnerung: Induktion kann benutzt werden für: Beweise Definitionen Satz 3.1 n N : n = 1 2n(n + 1)

10 3 Weitere Anwendungen der Induktion 9 Beweis: (I1) für n = 1 : 1 = 1 (I2) n n+1: n+(n+1) = 1 2 n(n+1)+(n+1) = (n+1)(1 2 n+1) = (n + 1)(n + 2), d.h. die Aussage für n Satz 3.2 n N, x K,x 1 gilt: 1 + x + x 2 + x x n = 1 xn+1 1 x Beweis: (I1) für n = 1 : 1 + x = 1 x2 1 x = 1 + x (I2) Angenommen, die Aussage gilt für n, dann gilt auch: 1+x+x 2 + +x n +x n+1 = 1 xn+1 1 x n+2 1 x 1 x, das ist die Aussage für n + 1 Satz 3.3 (Bernoullische Ungleichung) Sei x > 1 in einem angeordneten Körper K. Dann gilt n N 0 : (1 + x) n 1 + nx Beweis: (I1) für n = 0 : 1 1 +xn+1 = 1 xn+1 +x n+1 (1 x) 1 x = 1 xn+1 +x n+1 +x n+2 1 x = (I2) n n + 1: (1 + x) n+1 = (1 + x) n (1 + x) (1 + nx)(1 + x) = 1 + nx + x + 0 {}}{ nx (n + 1)x, mit > statt, sobald x 0. Also stimmt die Ungleichung auch für n + 1 und somit für alle n N 0 Definition 3.4 (Summen-/Produktzeichen) Es sei a : N 0 K eine Folge (man schreibt a k statt a(k)) Dann definiert man: (I1) 0 0 a k := 0 a k := 1 k=1 k=1 k=1 (leere Summe, bzw. leeres Produkt) (I2) n+1 n n+1 n a k := ( a k ) + a n+1 a k := ( a k ) a n+1 k=1 k=1 k=1 Somit sind n k=1 a k und n k=1 a k für alle n N 0 definiert. Definition 3.5 (Fakultät) n! := insbesondere ist 0! = 1 (leeres Produkt) n k k=1

11 3 Weitere Anwendungen der Induktion 10 Definition 3.6 (Binomialkoeffizienten) für n,m N : ( ) n := m m k=1 n k + 1 k Man spricht ( ) n m : m aus n. Es ist: ( ) n m = n(n 1)(n 2)...(n m+1) m und insbesondere ( ( n 0) = 1, n ( 1) = n, n ) 2 = n(n 1) 2 Satz 3.7 (Kombinatorische Deutung von n! und ( n m) ) a) n! = Anzahl von verschiedenen Anordnungen einer Menge aus n Elementen. b) ( n m) = Anzahl von verschiedenen m-elementigen Teilmengen einer n-elementigen Menge. Beweis: a) Wähle das 1. Element- es gibt n Möglichkeiten, dann das 2. Element aus den restlichen (n 1), für die Wahl des 3. Elementes stehen noch (n 2) zur Verfügung, usw. Anzahl von verschiedenen Möglichkeiten: n (n 1) (n 2) (n 3) 2 1 = n! b) Um eine m-elementige Menge zu wählen, hat man n Möglichkeiten für die Wahl des 1. Elements, (n 1) für die Wahl des 2. Elements, usw. und schließlich (n m + 1) Möglichkeiten für die Wahl des m-ten Elements. Jede m- elementige Menge wurde dabei m! mal berücksichtigt. Die resultierende Anzahl: n(n 1)(n 2)...(n m+1) m ( ) n n(n 1)...(n m + 1) n(n 1)...(n m + 1)(n m)...1 = = = m m! m!(n m)! Aus dieser Darstellung sieht man die Symmetrie: ( ) ( ) n n = m n m Hilfssatz 3.8 (Pascalsche Regel) Für 0 < n gilt: ( ) ( n n 1 = m m Beweis: ( n 1 m ) + ( ) n 1 = m 1 ) + ( ) n 1 m 1 (n 1)! m!(n m 1)! + (n 1)! (m 1)!(n m)! = (n 1)! (m 1)!(n m)! ((n m) + m) = n! m!(n m)! n! (n m)!m!

12 3 Weitere Anwendungen der Induktion 11 Pascalsches Dreieck: n = 0 : 1 n = 1 : 1 1 n = 2 : n = 3 : n = 4 : n = 5 : m = 0 m = 1 Bsp.: 10 = Satz 3.9 (Binomischer Satz) Für x,y K und für n N 0 gilt: Beweis: (I1) n = 0: 1 = 1 m = 2 ) ( 5 3 (x + y) n = = n k=0 ( 4 3 m = 3 ) ) + ( 4 2 ( ) n x n k y k k = (I2) n n + 1 Angenommen, die Aussage gilt für n, so gilt: m = 4 m = 5 (x + y) n+1 =(x + y) n (x + y) = (x + y) n x + (x + y) n y n ( ) n n ( ) n x n k y k x + x n k y k y = k k k=0 k=0 n ( ) n n ( ) n x n k+1 y k + x n k y k+1 (k+1=l) = k k k=0 k=0 n ( ) n+1 n ( ) n x n k+1 y k + x n l+1 y l (k=l) = k l 1 k=0 l=1 n ( ) n+1 n ( ) n x n k+1 y k + x n k+1 y k = k k 1 k=0 k=1 ( ) n n [( ) ( )] ( ) n n n x n x n k+1 y k + y n+1 Pascalregel = 0 k k 1 n k=1 ( ) n + 1 n ( ) ( ) n + 1 n + 1 x n+1 + x n k+1 y k + y n+1 = 0 k n + 1 k=1 n+1 ( ) n + 1 x n k+1 y k k k=0 IV =

13 4 Weitere Eigenschaften des Körpers Q 12 also die Behauptung für n + 1. Somit ist der Satz per Induktion bewiesen 4 Weitere Eigenschaften des Körpers Q Definition 4.1 (Absoluter Betrag) Für ein x Q: x := { x falls x 0 x falls x < 0 Satz 4.2 a) Es gilt: x 0 x Q und x = 0 x = 0 } = max(x, x) b) Multiplikative Eigenschaft: x y = x y x,y Q c) Dreiecksungleichung: x + y x + y x,y Q Beweis: a) folgt aus der Definition. b) Fall 1: Fall 2: x 0 y < 0 x,y 0 xy 0; xy = xy = x y } x y 0; xy = xy = x ( y) = x y usw. (analog für die anderen 2 Fälle) c) x x y y x x y y } } x + y x + y (x + y) = ( x) + ( y) x + y x + y = max(x + y, (x + y)) x + y Folgerung 4.3 d) x = x x Q e) x y = x y x,y Q,y 0 f) x y x y x,y Q

14 4 Weitere Eigenschaften des Körpers Q 13 zu f): Aus y + (x y) = x und c) folgt: Analog: vertausche x und y: y + x y x x y x y x y y x Daher: x y max( x y, y x ) = x y Satz 4.4 (Archimedische Eigenschaft von Q) Für eine beliebige positive rationale Zahl x Q, x > 0 existiert ein n N mit n > x. Äquivalent: Für eine beliebige positive rationale Zahl ε Q, ε > 0 existiert ein n N mit 1 n < ε WARNUNG: Es gibt auch angeordnete Körper ohne Archimedische Eigenschaft! Beweis: Es sei x = p q p,q N p > 0,q 1 Setze: n := p + 1 n = p + 1 > p p q Geometrische Interpretation von rationalen Zahlen (Zahlengerade): p q q q q q x = p q hier z.b. q = 10 und p = 14 Satz 4.5 (Keine Löcher zwischen rationalen Zahlen) Seien x 1 < x 2 zwei rationale Zahlen. Dann existiert y Q zwischen x 1 und x 2. Beweis: Es seien x 1 = p1 q 1 < x 2 = p2 q 2 mit p 1,p 2 Z; q 1,q 2 N Dann gilt: p 1 < p 1 + p 2 < p 2 q 1 q 1 + q 2 q 2 Tatsächlich: für die linke Ungleichung: p 1 (q 1 + q 2 ) < q 1 (p 1 + p 2 ) p 1 q 2 < p 2 q 1 p 1 q 1 < p 2 q 2 was nach Voraussetzung wahr ist. (Rechte Seite analog)

15 5 Reelle Zahlen 14 ABER: Nicht jeder Punkt der Zahlengeraden entspricht einer rationalen Zahl! x Dieser Punkt ist keine rationale Zahl! Nach dem Satz des Pythagoras gilt: x 2 = = 2 Satz 4.6 Es gibt keine rationale Zahl x Q mit x 2 = 2 Beweis: Angenommen x = p q Q und x2 = 2 p 2 = 2q 2. Nehme einen solchen Bruch mit dem kleinstmöglichen q (dieser existiert für alle x Q siehe ZÜ7) Dann gilt: q < p < 2q. Aber dann für x = 2q p p q gilt: (x ) 2 = (2q p)2 (p q) 2 = 4q2 4qp + p 2 (p 2 =2q 2 ) 6q 2 4pq p 2 2pq + q 2 = 3q 2 2pq = 2 Aber der Nenner von x ist p q < q also kleiner als der Nenner von x. Widerspruch zur Annahme es gebe solch einen Bruch! 5 Reelle Zahlen Definition 5.1 (Dedekindscher Schnitt) Eine Teilmenge R Q, (R, R Q) heißt eine Schnittobermenge, falls: mit jeder Zahl r R gilt auch r R für alle r > r, r Q R enthält kein minimales Element: r R r R mit r < r Dann heißt L := Q \ R (L, L Q) Schnittuntermenge Das Paar α := (L,R) heißt ein (Dedekindscher) Schnitt; Zahlen r R heißen Oberzahlen bei α, Zahlen l L heißen Unterzahlen bei α Merke: es gilt: r R,l L : l < r mit jedem l L gilt auch l L für alle l Q, l < l Beispiel 1: Es sei x Q. Dann ist α = (L x,r x ) mit R x := {y Q; y > x} und

16 5 Reelle Zahlen 15 L x := {y Q; y x} ein Schnitt, den wir der Zahl x Q zuordnen. Für solche Schnitte enthält L x ein maximales Element (nämlich x). Beispiel2: R := {y Q; y 2 > 2} L := {y Q; y 0 oder (y > 0 und y 2 < 2)} Wir zeigen, dass (L,R) ein Schnitt ist, bei dem L kein maximales Element enthält. Zu zeigen ist: r > 0 und r 2 > 2 r > 0 und (r ) 2 > 2 r > r zu jedem r > 0 mit r 2 > 2 gibt es 0 < r < r mit (r ) 2 > 2 Wir zeigen dies, sowie: zu jedem l > 0 mit l 2 < 2 gibt es l > l mit (l ) 2 < 2 Nehme x Q, x > 0. Setze: Dann gilt: x = x(x2 + 6) 3x x > 0 a) x x = x(x2 + 6) 3x x = x(x2 + 6) x(3x 2 + 2) 3x 2 = 2x(2 x2 ) + 2 3x b)(x ) 2 2 = x6 + 12x x 2 (3x 2 + 2) 2 2 = x6 6x x 2 8 (3x 2 + 2) 2 = (x2 2) 3 (3x 2 + 2) 2 Also: x 2 < 2 (x x > 0 x > x) und (x ) 2 < 2 x 2 > 2 (x x < 0 x < x) und (x ) 2 > 2 Dieser Schnitt wird (nach der Definition 5.2) 2 heißen. L R x<0 x mit x²<2 x* mit (x*)²<2 x* mit (x*)²>2 x mit x²>2 Definition 5.2 (Reelle Zahlen) R ist die Menge aller Dedekindschen Schnitte. Q R wird erklärt als die Menge von Schnitten, bei denen die Schnittuntermenge ein maximales Element besitzt, d.h. die Menge von Schnitten der Gestalt (L x,r x ) aus Beispiel 1. Schnitte α = (L, R) bei denen L kein maximales Element enthält, heißen irrationale Zahlen. Somit ist 2 aus Beispiel 2 eine irrationale Zahl.

17 5 Reelle Zahlen 16 Definition 5.3 (Anordnung reeller Zahlen) Seien α 1 = (L 1,R 1 ) R, α 2 = (L 2,R 2 ) R zwei Schnitte. Man sagt, dass α 1 < α 2 falls es eine Oberzahl r 1 R bei α 1 gibt, die eine Unterzahl bei α 2 ist, d.h. falls r 1 R 1 und r 1 L 2 ( r 1 R 1 und r 1 / R 2 ) Es ist leicht einzusehen, dass für alle α 1,α 2 R genau eine der drei Möglichkeiten gilt: α 1 < α 2 oder α 1 = α 2 oder α 1 > α 2 Eines muss gelten: sollte R 1 R 2 sein, so r 1 R 1 mit r 1 / R 2 oder r 2 R 2 mit r 2 / R 1 Sie schließen einander aus: angenommen α 1 < α 2, d.h. r 1 R 1, r 1 L 2. Dann gilt für alle r 2 R 2 : r 1 < r 2. Das bedeutet: r 2 R 1 also R 2 R 1 (R 1 R 2 ) Analog zu zeigen: α 1 > α 2 impliziert R 1 R 2 (R 1 R 2 ) R1 R2 1 2 R2 R1 2 1 Satz und Definition 5.4 (Addition reeller Zahlen) Seien α 1 = (L 1,R 1 ) R, α 2 = (L 2,R 2 ) R zwei Schnitte. Dann ist: R 1 + R 2 := {r 1 + r 2 ;r 1 R 1 und r 2 R 2 } eine Schnittobermenge. Der entsprechende Schnitt heißt α 1 + α 2. Beweis: es ist zu zeigen: mit jeder Zahl r = r 1 + r 2 R 1 + R 2 gehören auch alle r > r zu R 1 + R 2 zu jedem r = r 1 + r 2 R 1 + R 2 gibt es r R 1 + R 2 mit r < r R 1 + R 2 Q (offensichtlich, da l 1 + l 2 / R 1 + R 2 für l 1 L 1, l 2 L 2 da L 1 L 2 ) Zu der ersten Eigenschaft: Es sei r = r 1 + r 2 R 1 + R 2 und r Q, r > r. Dann sei r = r 1 + r 2 mit r 1 = r 1 + (r r), r 1 > r 1 r 1 R 1 Zu der zweiten Eigenschaft: Es sei r = r 1 + r 2 R 1 + R 2. Dann gibt es r1 R 1, r2 R 2 mit r1 < r 1, r2 < r 2. Es gilt: r := r1 + r2 R 1 + R 2 und r < r

18 5 Reelle Zahlen 17 Wir zeigen nun: (A1)-(A4) gelten für die so eingeführte Addition. (A1),(A2) folgen unmittelbar aus den entsprechenden Eigenschaften der rationalen Zahlen. (A3) Existenz von 0 R mit: α + 0 = 0 + α = α α R 0 = (L 0,R 0 ), wobei L 0 = {y Q; y 0} und R 0 = {y Q; y > 0} zu zeigen: R + R 0 = R für eine beliebige Schnittobermenge R. Beweis: Wir zeigen: R + R 0 R. Man nehme r + r 0 R + R 0. r 0 R 0 r 0 > 0 r + r 0 > r R r + r 0 R Nun zeigen wir, dass R R + R 0. Dazu nehme man r R. Es gibt r R mit r < r. Damit gilt: r = }{{} r +(r r ) R + R 0 }{{} R R 0 Lemma 5.5 Es sei α = (L,R) ein Schnitt, dann gilt: ε > 0 (ε Q) gibt es l L und r R mit 0 < r l < ε Beweis: Nehme l 1 L, r 1 R. Laut der Archimedischen Eigenschaft von Q gibt es ein N N mit N > r1 l1 ε. Betrachte N + 1 Zahlen x k = l 1 + r1 l1 N k, k = 0,1,2,...,N Dann gilt: x 0 = l 1 L und x N = r 1 R. Es gibt unter x n die letzte Zahl aus L und die erste Zahl aus R. Sie sollen l bzw. r heißen. Also: 0 < r l = r1 l1 N < ε. (A4) ( α) + α = α + ( α) = 0 Sei α = (L,R) ein Schnitt. Setze α := ( L, R) mit L := {y Q; y R}, R := {y Q; y L}, falls α irrational L := {y Q;y x}, R := {y Q;y > x} falls α = x Q Zu zeigen: R + R = R 0 a) R + R R 0 : es seien r R, r R r = l mit l L. Dann r + r = r l > 0, d.h. r + r R 0 b) R 0 R + R: nach Lemma 5.5, gibt es zu jeder y R 0 die Zahlen. r R, l L mit y 1 := r l < y. Setze r := l + (y y 1 ) > l, so dass r R. Es gilt: r + r = r l + y y 1 = y Satz und Definition 5.6 (Multiplikation positiver reeller Zahlen) Seien α 1 = (L 1,R 1 ), α 2 = (L 2,R 2 ) Schnitte, α 1 > 0,α 2 > 0. Dann ist R 1 R 2 := {r 1 r 2 ; r 1 R 1, r 2 R 2 } eine Schnittobermenge. Der entsprechende Schnitt heißt α 1 α 2

19 5 Reelle Zahlen 18 Beweis: - völlig analog zum Satz 5.4 Wir beweisen, dass die Eigenschaften (M1)-(M4) und (D) für die so eingeführte Multiplikation erfüllt sind. (M1),(M2),(D) folgen sofort aus den entsprechenden Eigenschaften von Q. (M3): Existenz von 1 R mit α 1 = 1 α = α zu zeigen: 1 := (L 1,R 1 ) mit L 1 := {y Q;y 1} R 1 := {y Q;y > 1} R R 1 = R 1 R = R für beliebige Schnittobermenge R einer Zahl α > 0. a) R R 1 R: ist r R und r 1 R 1 r 1 > 1, so gilt r r 1 > r r r 1 R b) R R R 1 : ist r R, so gibt es r R mit r < r. Dann folgt r r > 1 r r R 1 und r = r r r (M4): Existens der Inversen für jedes Element: α 1 α = α α 1 = 1. Für jede rationale Zahl x definiert man den Schnitt x 1 = ( L, R), L := {y Q;y < 1 x }, R := {y Q;y > 1 x } Für jedes irrationale α = (L, R) R, α > 0 definiert man: α 1 := ( L, R) mit L := {y Q;y 0 oder 1 y L}, R := {y Q; 1 y L und y > 0} Zu zeigen: R R = R 1 a) R R R 1 : es seien r R, r R ( 1 er und 1 er L). Dann gilt es: l < r, deswegen r r = r l > 1, d.h. r r R 1. b) R 1 R R: es sei y R 1 y > 1. Wähle ein l L, l > 0. Nach Lemma 5.5 gibt es r R, l L mit l > l und 0 < r l < (y 1)l. Setze r = y r. Dann gilt es: r l < (y 1)l r < yl y r > 1 l r > 1 l r R und r r = y. Multiplikation von nicht-positiven reellen Zahlen: α 1 α 2 = ( α 1 ) α 2, falls α 1 < 0, α 2 > 0 = α 1 ( α 2 ), falls α 1 > 0, α 2 < 0 = ( α 1 ) ( α 2 ), falls α 1 < 0, α 2 < 0 = 0, falls α 1 = 0 oder α 2 = 0. Man überprüft die Eigenschaften (M1)-(M4), (D) Fall für Fall.

20 5 Reelle Zahlen 19 Satz 5.7 (Vollständigkeit reeller Zahlen) R ist ein angeordneter Körper, mit der Archimedischen Eigenschaft, sowie mit der folgenden Eigenschaft, die ihn von Q unterscheidet: (V) Sind A R und B R nichtleere Mengen mit α < β α A, β B so existiert γ R mit α γ β α A, β B A B Abbildung 1: A und B müssen nicht unbedingt zusammenhängend sein Beweis: (O1)-(O3) und Archimedische Eigenschaft sind leicht einzusehen. (bzw. wurden bereits bewiesen). Beweis von (V): L := {l Q; α A mit l α} = L α, L Q, L,L Q α A R := {r Q; β B mit r > β} = R β, β B Es gilt: l < r l L, r R. Wenn L R Q, dann c Q : (c / L und c / R). Also gilt α A, β B : α < c β Wenn L R = Q, dann ist γ := (L,R) ein Schnitt. Da α A, β B gilt: L α L, R β R haben wir α A, β B : α γ β R Q, R,R Q Man kann zeigen, dass es nur einen (bis auf Isomorphismen) archimedischen, angeordneten und vollständigen Körper gibt. Definition 5.8 (Schranke und Supremum/Infimum) a) Eine Menge A R heißt nach oben (nach unten) beschränkt, falls c R mit α c (bzw. α c) α A Die Zahl c heißt eine obere (eine untere) Schranke für A.

21 5 Reelle Zahlen 20 b) γ R heißt Supremum, oder die kleinste obere Schranke (Infimum, oder die größte untere Schranke) der Menge A R, falls sie eine obere (untere) Schranke für A ist und γ < γ α A mit α > γ (bzw. γ > γ α A mit α < γ ) Schreibweise: sup A oder: sup α α A inf A oder: inf α A α Satz 5.9 (Existenz von sup und inf) Für jede nichtleere nach oben (nach unten) beschränkte Menge A R existiert supa (bzw. inf A). Beweis: (für supa) Setze B := {β R; α A : α < β} Dann sind A und B wie in (V). Aus (V) folgt: γ R mit α γ β α A, β B, Wir zeigen: γ = supa. Dann ist γ eine obere Schranke für A. Sollte γ < γ auch eine obere Schranke für A sein, d.h. α γ α A so würde α < γ+γ 2 α A. Das würde bedeuten γ+γ 2 B und somit γ γ+γ 2. Widerspruch! Bemerkung supa (inf A) kann zu A gehören oder auch nicht! Intervalle sind beschränkte Mengen in R. [a,b] = {x R; a x b} geschlossenes Intervall (a,b) =]a,b[= {x R; a < x < b} offenes Intervall [a,b) = [a,b[= {x R; a x < b} halboffenes Intervall (a,b] =]a,b] = {x R; a < x b} halboffenes Intervall supa = b, inf A = a [a,+ ) = {x R;x a} (a,+ ) = {x R;x > a} (,a] = {x R;x a} (,a) = {x R;x < a} Definition 4.1 (vom Betrag) sowie Satz 4.2 mit Folgerungen gelten für R entsprechend.

22 5 Reelle Zahlen 21 a a a+ Epsilon-Umgebung: (a ε,a + ε) = {x R; x a < ε} = B ε (a) heißt die ε-umgebung der Zahl a R (ε > 0) Satz und Definition 5.10 (Wurzel vom Grad m N) Zu jeder Zahl a R, a > 0 und zu jeder Zahl m N, m 2 gibt es genau eine Zahl x R mit x m = a Diese Zahl wird durch m a bezeichnet. 2 a = a Beweis: B := {x R; x > 0 und x m > a} B ist nach unten beschränkt und nicht leer. (wenn a 1 ist 1 B und wenn a > 1 ist a B) Nach Satz 5.9 existiert c := inf B Behauptung: c m = a Es kann nicht sein, dass c m > a (d.h. c B) Denn: sollte c m > a gelten, dann gäbe es ein c B mit c < c so dass dann c keine untere Schranke mehr für B ist. Wähle (vgl. H10): c = c 1 c m a m c m 1 Tatsächlich gilt: 0 < c < c und: ( ( c 1 1 m (c ) m a = ( c 1 m c m ) m a c m 1 a = c m )) m a c m a > (Bernoulli Ungleichung) c m (1 cm a c m ) a = 0 Ferner, sollte c m < a gelten: betrachte (c + ε) m mit 0 < ε < c ma (a cm ), so dass: ( 1 ε ) m mε (Bernoulli) 1 c c > 1 1 a (a cm ) = cm a daher: ( c (c + ε) m 2 ε 2 ) m = < c2m c ε (c ε) m = c 2m cm c m (1 ε < c c )m m a Also wäre c + ε eine untere Schranke für B c ist nicht die größte untere Schranke Widerspruch zur Voraussetzung. Somit ist c m = a bewiesen. = a

23 6 Reelle Folgen und Konvergenz 22 6 Reelle Folgen und Konvergenz Definition 6.1 (Folge) Eine Funktion a : N R heißt eine (reelle) Folge. Bezeichnung: a(n) = a n (a n ) n N oder (a n ) n 1 Als Definitionsbereich kann man auch N 0 oder {n N 0 ; n k} benutzen. Die Bezeichnung lautet dann: (a n ) n 0 bzw. (a n ) n k Definition 6.2 (Monotone Folgen) Eine Folge (a n ) n 1 heißt: monoton wachsend, falls a n+1 a n n N monoton fallend, falls a n+1 a n n N streng monoton wachsend, falls a n+1 > a n n N streng monoton fallend, falls a n+1 < a n n N monoton falls sie monoton wachsend oder monoton fallend ist Beispiel: a1 a2 a3=a4 a5 a5=a6 a3 a2 a1 Abbildung 2: Monoton steigende und monoton fallende Folge Definition 6.3 (Beschränkte Folge) Eine Folge (a n ) n 1 heißt nach oben (nach unten) beschränkt, falls c R mit a n c n N (bzw. a n c n N) (a n ) n 1 heißt beschränkt, falls sie nach oben und nach unten beschränkt ist. a 6 a 3 a 1 a 4 a 2 c=a 5 Abbildung 3: Nach oben beschränkte Folge Definition 6.4 (Konvergenz) Eine Folge (a n ) n 1 heißt konvergent gegen die Zahl c R (die dann Grenzwert von (a n ) n 1 heißt), falls ε > 0 N N : n N : a n c < ε Schreibweise: lim n a n = c oder a n n c

24 6 Reelle Folgen und Konvergenz 23 alle Glieder mit n _> N sind hier c c c+ Bemerkung: N ist abhängig von ε. N = N(ε), je kleiner ε desto größer wird N. Konvergiert (a n ) n 1 nicht, so heißt die Folge divergent. Satz 6.5 (Eindeutigkeit des Grenzwertes) Ist lim n a n = c 1 und lim n a n = c 2, so gilt c 1 = c 2 Beweis: ε > 0 N 1 = N 1 (ε) N N 2 = N 2 (ε) N : a n c 1 < ε n > N 1 a n c 2 < ε n > N 2 Für N = N(ε) = max(n 1 (ε),n 2 (ε)) gelten beide Ungleichungen für alle n > N. Dann folgt mit der Dreiecksungleichung: c 1 c 2 a n c 1 + a n c 2 < 2ε n > N Sollte c 1 c 2 > 0 gelten, so hätte man einen Widerspruch (z.b. bei ε = 1 3 c 1 c 2 ). Daher ist c 1 = c 2. Satz 6.6 Jede nach oben (nach unten) beschränkte, monoton wachsende (fallende) Folge konvergiert. Beweis: Sei (a n ) n 1 monoton wachsend und nach oben beschränkt. Setzte c = sup a n n N Behauptung: c = lim n a n. Tatsächlich, ist c eine obere Schranke für A = n N{a n } Das heißt: a n c. ε > 0 ist c ε keine obere Schranke für A mehr, d.h. N N : a N > c ε Aber: (a n ) n 1 ist monoton wachsend. Daher ist a n > c ε n N

25 6 Reelle Folgen und Konvergenz 24 a n mit n _> N c a N c Beispiele: (a n ) n 1 = ( 1) n beschränkt, weil a n 1 ( n N) (a n ) n 1 = n n+5 beschränkt, weil 0 a n 1 (a n ) n 1 = 1000 n ist eine Nullfolge lim n a n = 0 (folgt aus der Archimedischen Eigenschaft) (a n ) n 1 = q n mit 0 < q < 1 ist eine Nullfolge lim n a n = 0. 1 q = 1 + x mit x > 0 1 q = (1 + x) n > 1 + nx > nx q n < 1 n nx (a n ) n 1 = n 2 n ist eine Nullfolge, weil n 2 < 2 n für n > 3 n 2 n < 1 n (a n ) n 1 = ( 1 + x n) n ist nach (T6) monoton für n > x und beschränkt a n+1 = a n 1 a m n x m ist nach (H10) monoton, beschränkt und konvergiert an m 1 gegen m x Satz 6.7 Jede konvergente Folge ist beschränkt Beweis: Es sei lim n = c. Nehme ε = 1 dann N 0 N so dass gilt: also a n < c + 1. Setze jetzt: a n c < 1 n N 0 C := max( a 1, a 2,..., a N0 1, c + 1) Dann sieht man a n < C n N Warnung: Nicht jede beschränkte Folge konvergiert Beispiel: a n = ( 1) n. Tatsächlich, sollte lim n a n = c, würde c 1 < ε und c + 1 < ε gelten. Widerspruch! Satz 6.8 Seien (a n ) n 1, (b n ) n 1 konvergent. Dann sind auch (a n +b n ) n 1 und (a n b n ) n 1 konvergent und es gilt: lim (a n + b n ) = lim a n + lim b n n n n lim n (a n b n ) = lim n a n lim n b n

26 6 Reelle Folgen und Konvergenz 25 Beweis: Es seien a = lim n a n und b = lim n b n Summe: ε > 0 N 1 = N 1 ( ε 2 ) N N 2 = N 2 ( ε 2 ) N : a n a < ε 2 n N 1 b n b < ε 2 n N 2 Setze N = max(n 1,N 2 ). Für alle n N gilt dann: a n + b n (a + b) < ε 2 + ε 2 = ε Produkt: Beide Folgen (a n ), (b n ) sind nach Satz 6.7 beschränkt. a n c, b n c n N ( ε ) ( ε ) ε > 0 N 1 = N 1 N N 2 = N 2 N : 2c 2c a n a < ε 2c n N 1 b n b < ε 2c n N 2 Setze N = max(n 1,N 2 ). Es gilt für alle n N: a n b n a b = (a n a)b n + a(b n b) a n a b n + a b n b < c ε 2c + c ε 2c = ε Satz 6.9 Es sei (b n ) n 1 eine konvergente Folge mit lim n b n = b 0. Dann konvergiert auch ( ) 1 1 mit lim = 1 b n n b n b n N Beweis: Es gibt N 0 N : b n b < b 2 für alle n N 0. Daraus folgt: b n > b 2 ( n N 0) ( ) ε b 2 ε > 0 N 1 = N : 2 b n b < ε b 2 2 Für alle n max(n 0,N 1 ) gilt: 1 1 b n b = b n b < ε b 2 b n b 2 ( n N 1 ) 1 b 2 b = ε

27 6 Reelle Folgen und Konvergenz 26 Folgerung 6.10 Sind (a n ) n 1, (b n ) n 1 zwei konvergente Folgen mit lim n a n = a und lim n b n = b 0, so konvergiert auch Beispiel: ( an b n ) n 1 a n mit lim = a n b n b a n = 5n3 + 6n 2 7n 3 8n konvergent, lim a n n = lim n n 7 8 = 5 7 n 2 Satz 6.11 Sind (a n ) n 1, (b n ) n 1 zwei konvergente Folgen mit a n b n n N, so gilt: lim a n lim b n n n Beweis: Setze a = lim n a n, b = lim n b n. Angenommen b < a. Zu b n a n für n _> N für n _> N b b+ a a jedem 0 < ε < a b 2 gibt es N = N(ε) mit a n a < ε, b n b < ε ( n N) Dann gilt: a n b n > (a ε) (b + ε) = a b 2ε > 0 Widerspruch zu a n < b n. Warnung: aus a n < b n folgt nur a b und nicht a < b! Beispiel: a n = 0, b n = 1 n Satz 6.12 Sind (a n ) n 1, (b n ) n 1 zwei konvergente Folgen mit a n b n n N und lim n a n = lim n b n = a, so gilt für jede Folge (c n ) n 1 mit a n c n b n : lim n c n = a Beweis: ε > 0 N N : a n a < ε und b n a < ε für alle n N Dann gilt auch: a ε < a n c n b n < a + ε für n N also c n a < ε ( n N) Definition 6.13 (Teilfolge) Sei (a n ) n 1 eine Folge und gegeben eine aufsteigende Folge natürlicher Zahlen n 1 < n 2 < n 3 <... Dann heißt k a nk = a(n k ) eine Teilfolge von (a n ) n 1. Bezeichnung: (a nk ) k 1

28 6 Reelle Folgen und Konvergenz 27 Offensichtlich: jede Teilfolge einer konvergenten Folge (a n ) n 1 konvergiert gegen a = lim n a n Definition 6.14 (Häufungspunkt) k R heißt ein Häufungspunkt für die Folge (a n ) n 1, falls ε > 0 gibt es unendlich viele n N für die gilt: a n k < ε Bemerkung (Unterschied zwischen Grenzwert und Häufungspunkt): Ist c der Grenzwert der Folge (a n ) n 1 befinden sich alle a n mit n N(ε) in der Epsilon-Umgebung von c, d.h. alle bis auf endlich viele. Ist h ein Häufungspunkt der Folge (a n ) n 1 so befinden sich in der Epsilon- Umgebung von h unendlich viele a n, aber es können ebenso unendlich viele a n außerhalb von B ε (a) liegen. Beispiele: a n = ( 1) n Häufungspunkte: +1 und 1 lim n a n = a a n besitzt genau einen Häufungspunkt, den Grenzwert a Q ist abzählbar (T7), d.h. es gibt eine injektive Folge a : N Q. In jedem Intervall der reellen Achse (h ε, h+ε) befinden sich unendlich viele Zahlen aus Q. Daher ist jede Zahl h R ein Häufungspunkt für (a n ) n N. Satz 6.15 h R ist genau dann Häufungspunkt der Folge (a n ) n N, wenn es eine Teilfolge (a nk ) k N gibt, mit lim k a nk = h Beweis: Sei h = lim k a nk Dann gilt: ε > 0 liegen in (h ε,h + ε) alle bis auf endlich viele Glieder der Folge (a nk ) k N, also unendlich viele Glieder der Folge (a n ) n N. Sei h ein Häufungspunkt von (a n ) n N. Sei (ε k ) k N eine Nullfolge, z.b. ε k = 1 k. Nehme n 1 mit a n1 h < ε 1 = 1 Nehme n 2 mit a n2 h < ε 2 = 1 2 Nehme n 3 mit a n3 h < ε 3 = 1 3 u.s.w n 1 < n 2 < n 3 < < n k sei eine Folge der Indizes mit a nk h < ε k = 1 k Dann gilt: lim k a nk = h

29 6 Reelle Folgen und Konvergenz 28 Satz 6.16 (von Bolzano-Weierstraß) 1 Jede beschränkte Folge reeller Zahlen besitzt Häufungspunkte. Insbesondere hat sie einen größten Häufungspunkt h = lim n a n = lim n supa n und einen kleinsten Häufungspunkt h = lim a n = lim inf a n n n Beweis: Es gelte l a n r n N Limes superior Limes inferior A :={x R; es gibt unendlich viele n mit a n x} B :={x R; es gibt höchstens endlich viele n mit a n > x} l A, r B A, B a < b a A, b B a A a A für alle a < a b B b B für alle b > b } x / A x B A B = R x / B x A Wir verwenden den Satz über die Vollständigkeit der reellen Zahlen (5.7): c R mit a c b für alle a A, b B. Wir zeigen c = lim sup n a n, also: c ist ein Häufungspunkt c > c c ist kein Häufungspunkt Für diese Zahl c und ε > 0 gilt: } { x / A x B es gibt unendlich viele n mit a n c ε x / B x A es gibt höchstens endlich viele n mit a n > c + ε daraus folgt: es gibt unendlich viele n mit c ε a n c + ε, d.h. c ist ein Häufungspunkt für a n Nehme c > c. Setze ε = c c 2. Dann ist c + ε = c + c 2 also gibt es höchstens endlich viele n mit a n c ε = c + ε = c+c 2, d.h. die ε Umgebung von c enthält höchstens endlich viele a n. Daher ist c kein Häufungspunkt von (a n ). Also: B c = lim n supa n Beweis der Existenz von lim inf n a n geht analog. 1 B.Bolzano ( ) tschechischer Theologe und Mathematiker, trotz Publikationsverbot Entdecker vieler Sätze der Analysis, wie man nach seinem Tod herausfand. K.Weierstraß ( ) bedeutender deutscher Mathmatiker, Gymnasiallehrer und später Universitätsprofessor in Berlin

30 6 Reelle Folgen und Konvergenz 29 Frage: Wie kann man Konvergenz einer Folge (a n ) n N feststellen, wenn der Grenzwert c unbekannt ist? Definition 6.17 (Cauchy-Folge/Fundamentalfolge) Eine Folge(a n ) n N reeller Zahlen heißt Cauchy Folge, falls ε > 0 : N = N(ε) N : a n a m < ε für alle m,n N Satz 6.18 (von Cauchy) Eine Folge (a n ) n N reeller Zahlen ist genau dann konvergent, wenn sie eine Cauchy Folge ist. Beweis: Es sei (a n ) eine konvergente Folge. lim n a n = c. Das bedeutet: } a ε > 0 N N : n c < ε 2 n N a m c < ε 2 m N a n a m a n c + a m c < ε n,m N Es sei (a n ) eine Cauchy-Folge. Wir zeigen zunächst, dass (a n ) eine beschränkte Folge ist. Für ε = 1 gibt es N 1 N mit a n a m < 1 m,n N 1. Es folgt: Jetzt gilt: n N 1 : a n a N1 < 1 Dreiecksungl. a n < a N1 + 1 ( n N 1 ) a n C := max( a 1, a 2,..., a N1 1, a N1 + 1 ) für alle n N D.h. a n ist beschränkt. Wir wenden den Satz von Bolzano-Weierstraß an: Es gibt eine konvergente Teilfolge (a nk ) k N mit lim k a nk = h (Sätze 6.15 und 6.16) Wir zeigen: lim n a n = h ε > 0 N 0 N : a nk h < ε 2 für alle n k N 0 ε > 0 N 2 N : a n a m < ε 2 für alle n,m N 2 Wähle ein n k max(n 0,N 2 ), dann gilt für alle n N 2 a n h a n a nk + a nk h < ε 2 + ε 2 = ε

Reelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010

Reelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010 Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004

Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004 Höhere Mathεmatik für Informatiker Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2 24 ii Inhaltsverzeichnis I Eindimensionale

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

1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,

1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, 1 Die reellen Zahlen 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, präzise und logisch zu denken, komplexe Strukturen schnell und gründlich zu erfassen, Dinge kritisch zu hinterfragen

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

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

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

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen.

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen. 9-1 Funktionen 9 Natürliche Zahlen, rationale Zahlen, reelle Zahlen Hier soll ein Überblick gegeben werden, wie die reellen Zahlen ausgehend von den natürlichen Zahlen konstruiert werden Dies erfolgt in

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

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

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

Folgen. Kapitel 3. 3.1 Zinsrechnung

Folgen. Kapitel 3. 3.1 Zinsrechnung Kapitel 3 Folgen Eine Folge reeller Zahlen ordnet natürlichen Zahlen jeweils eine reelle Zahl zu. Liegen beispielsweise volkswirtschaftliche Daten quartalsweise vor, so kann man diese als Folge interpretieren.

Mehr

Vorlesung Analysis I für Informatiker & Statistiker. Universität München, WS 11/12. Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.

Vorlesung Analysis I für Informatiker & Statistiker. Universität München, WS 11/12. Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin. Vorlesung Analysis I für Informatiker & Statistiker Universität München, WS 11/12 Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.de Kapitel 1: Grundlagen 1.1 Aussagenlogik Elementare Aussagenlogik Definition

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung

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

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

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

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

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

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

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

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

Mehr

Jurgen Muller Analysis I-IV

Jurgen Muller Analysis I-IV Jurgen Muller Analysis I-IV Skriptum zur Vorlesung Wintersemester 5/6 bis Sommersemester 7 Universitat Trier Fachbereich IV Mathematik/Analysis Dank an Elke Gawronski und Judith Wahlen fur die Mithilfe

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

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

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

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

Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08

Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08 Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08 Prof. Dr. M. v. Golitschek Institut für Mathematik Universität Würzburg Literatur: Suchen Sie doch hin und wieder die Bibliotheken

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

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

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6 Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.

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

4 Kongruenz und Modulorechnung

4 Kongruenz und Modulorechnung 4 Kongruenz und Modulorechnung 39 4 Kongruenz und Modulorechnung In unserer Zeitrechnung haben wir uns daran gewöhnt, nur mit endlich vielen Zahlen zu rechnen. Es ist gerade 3 Uhr und in 50 Stunden muss

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

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Elementare Zahlentheorie (Version 1)

Elementare Zahlentheorie (Version 1) Elementare Zahlentheorie (Version (Winter Semester, 2005-6 Zur Notation N ist die Menge der natürlichen Zahlen:, 2, 3, 4, 5,... und so weiter. Z ist die Menge aller ganzen Zahlen:..., 4, 3, 2,, 0,, 2,

Mehr

Skript zur Analysis I Wintersemester 2009/10 Prof. Dr. Daniel Grieser

Skript zur Analysis I Wintersemester 2009/10 Prof. Dr. Daniel Grieser Skript zur Analysis I Wintersemester 2009/0 Prof. Dr. Daniel Grieser Carl von Ossietzky Universität Oldenburg Institut für Mathematik 26 Oldenburg E-Mail: daniel.grieser@uni-oldenburg.de Die Homepage zur

Mehr

Folgen und endliche Summen

Folgen und endliche Summen Kapitel 2 Folgen und endliche Summen Folgen und ihre Eigenschaften Endliche arithmetische und geometrische Folgen und Reihen Vollständige Induktion Anwendungen Folgen/endliche Summen Eigenschaften Folgen

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß

Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II Heinrich Voß Institut für Angewandte Mathematik der Universität Hamburg 99 Inhaltsverzeichnis Folgen und Reihen 2. Einführende

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Komplexe Zahlen und Wechselstromwiderstände

Komplexe Zahlen und Wechselstromwiderstände Komplexe Zahlen und Wechselstromwiderstände Axel Tobias 22.2.2000 Ein besonderer Dank geht an Ingo Treunowski, der die Übertragung meines Manuskriptes in L A TEX durchgeführt hat tob skript komplex.tex.

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

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

Einführung in die Zahlentheorie und algebraische Strukturen

Einführung in die Zahlentheorie und algebraische Strukturen Einführung in die Zahlentheorie und algebraische Strukturen Wintersemester 2012/2013 Universität Bayreuth Michael Stoll Inhaltsverzeichnis 1. Wiederholung: Gruppen, Ringe, Körper 2 2. Teilbarkeitslehre

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Lösungen zu Kapitel 7

Lösungen zu Kapitel 7 Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

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

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

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs

Mehr

KAPITEL 0. Einführung

KAPITEL 0. Einführung Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert

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

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

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

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

Mehr

1 Zahlen. 1.1 Die reellen Zahlen

1 Zahlen. 1.1 Die reellen Zahlen Zahlen Die aus dem Alltagsleben bekannten rationalen Zahlen (Bruchzahlen) reichen nicht aus, um Analysis rigoros betreiben zu können. Die historische Entwicklung zeigt vielmehr, dass für die Belange der

Mehr

Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz

Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der

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

Repetitionsaufgaben: Lineare Gleichungen

Repetitionsaufgaben: Lineare Gleichungen Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Die p-adischen Zahlen

Die p-adischen Zahlen Universität Bielefeld Algebra Die p-adischen Zahlen Seminararbeit von Denny Otten FAKULTÄT FÜR MATHEMATIK Datum: 29. Oktober 2006 Betreuung: Prof. Dr. Dr. K. Tent Dipl.-Math. G. Hainke Dipl.-Math. L. Scheele

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

Mathematik wirklich verstehen

Mathematik wirklich verstehen Mathematik wirklich verstehen Eine Einführung in ihre Grundbegriffe und Denkweisen Von Arnold Kirsch 3. verbesserte Auflage Aulis Verlag Deubner & Co KG Köln Inhaltsverzeichnis Vorwort 11 Teil A Zahlen

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

17. Penalty- und Barriere-Methoden

17. Penalty- und Barriere-Methoden H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere

Mehr

9. Anwendungen der Fundamentalgruppe

9. Anwendungen der Fundamentalgruppe 76 Andreas Gathmann 9. Anwendungen der Fundamentalgruppe Nachdem wir mit Hilfe von Überlagerungen nun in der Lage sind, Fundamentalgruppen zu berechnen, wollen wir in diesem abschließenden Kapitel noch

Mehr

Mathematikaufgaben zur Vorbereitung auf das Studium

Mathematikaufgaben zur Vorbereitung auf das Studium Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen

Mehr

Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester 1994

Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester 1994 Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester 1994 1 Inhaltsverzeichnis 0 Einleitung 4 1 Mengen, Abbildungen, Zahlen

Mehr

Kongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln...

Kongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln... Kongruenzrechnung Inhaltsverzeichnis 1 Einführung und Definitionen 2 1.1 Einige Beispiele aus dem Alltag..................... 2 1.2 Kongruenzrechnung im Alltag und Rechenproben........... 3 1.3 Kongruenzen

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Zahlentheorie. Daniel Scholz im Winter 2006 / 2007. Überarbeitete Version vom 7. September 2007.

Zahlentheorie. Daniel Scholz im Winter 2006 / 2007. Überarbeitete Version vom 7. September 2007. Zahlentheorie Daniel Scholz im Winter 2006 / 2007 Überarbeitete Version vom 7. September 2007. Inhaltsverzeichnis 1 Einleitung und Grundlagen 4 1.1 Einleitung............................. 4 1.2 Zahlensysteme..........................

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken

Mehr

Noethersche und artinsche Ringe

Noethersche und artinsche Ringe Noethersche und artinsche Ringe Seminar Kommutative Algebra und Varietäten Prof. Dr. K. Wingberg, Dr. J. Gärtner Vortrag 6 Yassin Mousa 05.06.2014 Im Folgenden bezeichne R immer einen kommutativen Ring

Mehr

Analysis 1. Delio Mugnolo. delio.mugnolo@uni-ulm.de. (Version von 18. Dezember 2012)

Analysis 1. Delio Mugnolo. delio.mugnolo@uni-ulm.de. (Version von 18. Dezember 2012) Analysis 1 Delio Mugnolo delio.mugnolo@uni-ulm.de (Version von 18. Dezember 2012) 2 Dies ist das Skript zur Vorlesung Analysis 1, welche ich im Sommersemester 2012 an der Universität Ulm gehalten habe.

Mehr

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.

Mehr

Vorkurs Mathematik der Universität Münster 2004. Friedrich Ischebeck

Vorkurs Mathematik der Universität Münster 2004. Friedrich Ischebeck Vorkurs Mathematik der Universität Münster 004 Friedrich Ischebeck Vorwort Eigentlich sollte die Beschäftigung mit der Mathematik ja Vergnügen bereiten! Aber auch wenn man nicht erwartet, dass sie ein

Mehr