Abstrakte Temporale Eigenschaften
|
|
- Claudia Fuhrmann
- vor 6 Jahren
- Abrufe
Transkript
1 Abstrakte Temporale Eigenschaften H. Peter Gumm Philipps-Universität Marburg Sommersemester 2007
2 Sicherheit und Lebendigkeit Sicherheitseigenschaften Systeme nie gleichzeitig in kritischem Bereich Nie beide Ampeln gleichzeitig grün Variable x wird nicht gelesen bevor sie initialisiert wurde Lebendigkeitseigenschaften Prozess i kann den kritischen Bereich erreichen Ein Auto an der Ampel bekommt irgendwann grün Variable x wird irgendwann initialisiert Safety ohne Liveness nutzlos Ampeln immer rot Kein System kommt in kritischen Bereich Variable x wird nie gelesen Praktische Spezifikationen benötigen Sicherheit und Lebendigkei
3 Safety - Liveness Kann man Sicherheit und Lebendigkeit formal definieren? Intuitive Definition (Leslie Lamport) Safety: Nothing bad will ever happen Liveness: Something good will eventually happen Gute umgangssprachliche Definition, aber nicht formal genug damit kann man keine Eigenschaften beweisen Mathematische Definition von Alpern & Schneider
4 Zustände, Folgen Eigenschaften S : Menge von Zuständen S* : Endliche Folgen S ω : unendliche Folgen Def.: Temporale Eigenschaft Eine temporale Eigenschaft ist eine Teilmenge von S ω Beispiele temporaler Eigenschaften für S = { (c 1,c2)j cι2 {rot,gelb,grün}} NoCrash = { σ 2 S ω j σ ² G:(c1=c2=grün) } µ S ω TooSafe = { σ 2 S ω j σ ² G:(c1=grün) Æ G :(c2=grün) } µ S ω MalGrün = { σ 2 S ω j σ² F(c1=grün) Æ F (c2=grün) } µ S ω OftGrün = { σ 2 S ω j σ² GF(c1=grün) Æ GF (c2=grün) } µ S ω Riskant = MalGrün Å (S ω - NoCrash)2 LaissezFaire = S NixDa = ; Welche davon sind Sicherheit Lebendigkeit, beides weder noch Problem: Was ist nothing bad, something good
5 Beobachtbare und Sicherheitseigenschaften Beobachtbar: Etwas, was nach endlicher Zeit konstatiert werden kann Hintergrund: Ein Unglück, das nicht nach endlicher Zeit eintritt, kann uns nicht beunruhigen Idee zur Formalisierung: (Un)glück ist endliche Folge α 2 S* auf Pfad σ passiert (Un)glück : α Á σ Pfad σ ist sicher vor (Un)glück : :(α Á σ) Menge von (Un)glücken U µ S* U S ω = { α σ j α2 P, σ2 S ω } = { π2 S ω j 8 α2 U.α ± π }) Definition: Eine Eigenschaft Pµ S ω heißt beobachtbar, falls es eine Menge Uµ S* gibt, so daß P=U S ω. Definition: Eine Eigenschaft Q heißt Sicherheitseigenschaft (safety property), falls S ω -Q beobachtbar ist. Fehlschlagen einer Sicherheitseigenschaft ist beobachtbar Beispiel: NoCrash = { σ 2 S ω j σ ² G:(c1=c2=grün) } ist safety NoCrash = S ω U S ω, wobei U = { α2 S * j 9 i2 N. α(i)=(grün,grün) }
6 Das System der beobachtbaren Mengen 1. ; und S ω sind beobachtbar Beweis: ; µ S* und ; = ; S ω. Weiter: S*µ S* und S ω = S* S ω 2. Sind P i beobachtbar für alle i2 I, dann ist [ i2 I P i beobachtbar Beweis: P i = U i S ω mit U i µ S* für jedes i2 I. Es folgt [ i2 I U i µ S* und [ i2 I P i = [ i2 I U i S ω. 3. Sind P 1 und P 2 beobachtbar, dann ist P 1 Å P 2 beobachtbar Beweis: P 1 =U 1 S ω und P 2 =U 2 S ω mit U 1,U 2 µ S*. Definiere U 1 +U 2 := { β2 U 2 j 9 α2 U 1. α ¹ β } (erst passiert ein Unglück aus U 1 danach ein Unglück aus U 2 ). Dann gilt P 1 Å P 2 = ((U 1 + U 2 ) [ (U 2 + U 1 )) S ω. Allgemeine mathematische Definition : Ein System τ von Teilmengen einer Menge X heißt Topologie, falls: ; 2 τ, X 2 τ P 1,P 2 2 τ ) P 1 Å P 2 2 τ 8 i2 I. P i 2τ ) [ i2 I P i 2τ Die Mengen in τ heißen : Offene Mengen. Komplemente: Abgeschlossene Mengen In unserem Falle: X=S ω und offen = beobachtbar, abgeschlossen = safety.
7 Sicherheitshülle abgeschlossene Hülle Beobachtbare Mengen sind abgeschlossen gegen endliche Schnitte beliebige Vereinigungen Sicherheitseigenschaften sind abgeschlossen gegen beliebige Schnitte endliche Vereinigungen. Sei P irgendeine Eigenschaft. Definiere den Abschluß (closure) von P als Cl(P) = Å { Q µ S ω j P µ Q und Q safety }. Dann gilt: Cl(P) ist die kleinste Safety-Eigenschaft, welche P umfasst. Cl(P) heißt auch die abgeschlossene Hülle, oder kurz der Abschluss von P Cl ist ein Abschlussoperator, d.h. für alle P,Q µ S ω gilt P µ Cl(P) (extensiv) Pµ Q ) Cl(P)µ Cl(Q) (monoton) Cl(Cl(P)) = Cl(P) (idempotent) P safety, Cl(P) = P
8 Lebendigkeit - Liveness Lebendigkeitseigenschaften (liveness properties) sagen etwas über die Zukunft voraus sind unabhängig von bisher gewesenem egal was bis zu einem Zeitpunkt gewesen ist, kann danach die Lebendigkeitseigenschaft noch erfüllt werden Definition: P µ S ω heißt liveness, falls 8α 2 S*. 9σ2P. αá σ. Aus der Definition folgen sofort: Lemma: P=S ω ist die einzige Eigenschaft, die sowohl safety als auch liveness ist Lemma: Ist P liveness und P µ Q µs ω, dann ist auch Q liveness. Beispiel einer Lebendigkeitseigenschaft: OftGrün = { σ 2 S ω j σ ² GF(c1=grün) Æ GF (c2=grün) } µ S ω Satz: P ist liveness, gdw. Cl(P) = S ω Beweis: Sei P liveness. Wegen P µ Cl(P) ist Cl(P) sowohl safety als auch liveness, daher gilt Cl(P) = S ω. Umgekehrt, sei Cl(P) = S ω. Wir müssen zeigen, dass P liveness ist. Angenommen, es gäbe ein α aus S* so daß für kein σ2 Σ ω auch α σ 2 P gilt. Dann wäre die beobachtbare Menge O = {α} S ω disjunkt zu P, also O Å P = ;. Somit gilt P µ (S ω -O) ½ S ω. Da (S ω -O) eine P enthaltene Sicherheitseigenschaft ist, folgt Pµ Cl(P) µ S ω -O. Aus der Voraussetzung Cl(P)=S ω folgt O=;. Dieser Widerspruch widerlegt unsere Annahme.
9 Alpern-Schneider S ω Satz: Jede temporale Eigenschaft ist Konjunktion einer Sicherheitseigenschaft und einer Livenesseigenschaft Beweis: L := (S ω C(P)) [ P ist eine Lebendigkeitseigenschaft, denn L S ω -Cl(P), also C(L) (S ω -C(P)) L P, also C(L) CL(P) folglich C(L) (S ω -C(P)) [ Cl(P) = S ω Cl(P) ist Sicherheitseigenschaft Cl(P) P LÅ Cl(P) = ((S ω Cl(P)) [ P) Å Cl(P) = ; [ P = P Spezialfall eines Satzes der Topologie: Jede Teilmenge von X ist Durchschnitt einer abgeschlossenen und einer dichten Menge Verwandschaft mit Modus-Ponens: ([ ¼ Ç, Å ¼ Æ, - ¼ :) (S ω Cl(P)) [ P ¼ : Cl(P)Ç P ¼ Cl(P) ) P Der Verdienst von Alpern & Schneider besteht darin, die richtige Modellierung, und die richtigen mathematischen Definitionen entdeckt zu haben. liveness safety Cl(P) ) P, Cl(P) P
10 Zerlegung Alpern-Schneider: Jede Eigenschaft P besteht aus einer Safety- Eigenschaft P safe und einer Liveness-Komponente P live. Diese Komponenten sind disjunkt, ausser für P = S ω. Beispiel: Der Getränke-Automat gibt erst nur Fanta oder Cola aus, ab irgendeinem Zeitpunkt aber nur Bier. S = { Bier, Cola, Fanta } Liveness: Versprechen, die nur im unendlichen eingelöst werden können P live = S* {Bier} ω = { σ 2 S ω j σ ² FG Bier } Liveness, weil jede endliche Folge zu einer Folge vervollständigt werden kann, die FG Bier erfüllt Safety: Verletzung in endlicher Zeit sichtbar Verbotene Präfixe: V = { α Bier s j α 2 S*, s Bier } P safe = S ω - V S ω = {Bier} 3 S ω ( sowohl safety, als auch beobachtbar) Wie kann man allgemein die Zerlegung berechnen? P safe = Cl(P), P live = S ω -Cl(P) [ P Genügt zu wissen: Wie kann man Cl(P) bestimmen?
11 Cl(P) durch verbotene Präfixe Leider ist die Definition Cl(P) := Å{ Qµ S ω j P µ Q und Q safety} praktisch nicht handhabbar. Eine Methode: Verbotene Präfixe bestimmen Andere Methode: Konvergenzabschluss siehe folgende Folien. Für Pµ S ω sei V(P) = { α 2 S* j 8σ 2 P.:(α Á σ) } Satz: Cl(P) = S ω -V(P) S ω. Beweis: Offensichtlich ist S ω -V(P) S ω abgeschlossen und umfasst P. Wir müssen zeigen, dass es die kleinste abgeschlossene Menge ist, die P umfasst. Angenommen es gäbe eine weitere abgeschlossene Menge Q mit P µ Q µ S ω -V(P) S ω. Dann ist Q von der Form S ω -U S ω, und es folgt S ω -P U S ω V(P) S ω Sei α 2 U. Wegen S ω -P U S ω folgt für jedes τ 2 S ω, dass α τ2 S ω -P, daher gilt nach Definition α2v(p). Somit ist auch UµV(P), mithin U S ω =V(P) S ω, also Q= S ω -V(P) S ω.
12 Beispiel: Alkoholentzug Der Getränke-Automat gibt erst nur Fanta oder Cola aus, ab irgendeinem Zeitpunkt aber nur Bier. P = { σ2 S ω j σ ² [:Bier U G Bier] } Verbotene Präfixe: V(P) = { α2 S*j 9 i2n. α(i)=bier, α(i+1) Bier} Cl(P) = S ω -V(P) S ω = { σ2 S ω j σ ² [:Bier W G Bier] } P safe ist in diesem Beispiel also P [ (Cola Fanta) ω Jede Bier-freie Folge ist in der Tat ein Grenzwert von Folgen in P Das Bier gibt es später und später und später Im Grenzwert nie. Was bedeutet genau: Im Grenzwert?
13 Der ultrametrische Raum S ω Auf S ω lässt sich ein Abstand definieren: σ τ damit erfüllt d: S ω S ω R + die Gesetze: d(σ,τ)=¼ d(x,y) = 0, x = y d(x,y) = d(y,x) d(x,z) d(x,y) + d(y,z) d.h. (S ω,d) ist ein metrischer Raum Mehr noch, (S ω,d) ist sogar ultrametrischer Raum, denn es gilt: d(x,z) = max(d(x,y),d(y,z))
14 Konvergenz Eine Folge von Pfaden (σ n ) n2n konvergiert gegen τ gdw. lim n 1 σ n =τ σ 3 σ 2 σ 4 τ σ 1 8ε>0.9m2N.8k m. d(σ k,τ) < ε. Schreibweise: lim n 1 σ n = τ Äquivalent: Mit wachsendem m stimmen die σ k auf immer längeren Präfixen mit τ überein. 8r2N.9m2N.8k m. σ k <r =τ <r Satz: PµS ω abgeschlossen, für jede konvergente Folge lim n 1 σ n = τ gilt: (8 n2n. σ n 2 P) ) τ2 P Beweis: ) Sei P abgeschlossen, dann gilt P=S ω -V(P) S ω für V(P) = { α 2 S* j 8σ 2 P.:(α Á σ) }. Angenommen lim n2n σ n =τ aber τ P. Dann gilt τ = α σ für ein α2v(p). Sei r die Länge von α. Wegen lim n 1 σ n =τ gibt es ein k, ab dem die σ n mindestens auf den ersten r Gliedern mit τ übereinstimmen. Es folgt σ k 2 V(P) S ω, also σ k P. ( : Es genügt zu zeigen: P = S ω -V(P) S ω mit V(P) = { α 2 S* j 8σ 2 P.:(α Á σ) } µ folgt sofort aus der Definition. Sei σ 2 S ω -V(P) S ω. Für jedes d2n ist σ <d V(P). Also gibt es für jedes d2n ein σ d 2 P mit σ <d Á σ d. Es folgt, dass die so konstruierten (σ d ) d2n gegen σ konvergieren, also lim d 1 σ d = τ. Also ist τ 2 P.
15 Häufungspunkte Sei PµS ω. Ein Häufungspunkt von P ist eine Folge τ2 S ω, so dass es eine Serie (σ n ) n2 N gibt mit 8 n2n.σ n 2P und lim n 1 σ n =τ. Häufungspunkte von P sind also alle Grenzwerte von Serien von Elementen aus P. Sei lim(p) die Menge aller Häufungspunkte von P. Der vorige Satz besagt also: P abgeschlossen, P enthält alle seine Häufungspunkte Satz: lim(p) = Cl(P) Beweis: Wegen P µ Cl(P) und dem vorigen Satz folgt sofort lim(p) µ lim(cl(p)) µ Cl(P). Sei τ2 Cl(P) = S ω -V(P) S ω. Dann ist kein Präfix von τ in V(P). Für jeden Präfix τ <k von τ gibt es also ein σ k 2 S ω mit τ <k σ 2 P. Offensichtlich gilt τ = lim k 1 τ <k σ k, also τ 2 lim(p). Folgerung: Cl(P) = S ω -V(P) S ω = lim(p). Wir haben also zwei Wege, Cl(P) zu bestimmen: über die verbotenen Präfixe und Komplementation als Menge aller Häufungspunkte von P.
16 König s Lemma und Konvergenz Satz: Ist S endlich, so hat jede unendliche Folge von Pfaden eine konvergente Teilfolge Beweis: Sei (σ n ) n2n eine Folge von Pfaden und T=Pref({σ n j n2n}) die Menge aller endlichen Präfixe der Folgen σ n. T ist ein unendlicher Baum. Wenn S endlich ist, dann ist T endlich verzweigend und König s Lemma garantiert einen unendlich langen Ast τ Für jeden Präfix τ < d von τ existiert ein σ n(d) mit dem gleichen Präfix. Es folgt: lim d2n σ n(d) =τ Anders ausgedrückt: Jede unendliche Folge σ n hat einen Häufungspunkt.
17 P = P safe Å P live Wir haben zwei Methoden, P safe zu bestimmen Psafe = Cl(P) = S ω -V(P) S ω Psafe = Cl(P) = lim(p) Daraus können wir P live bestimmen als S ω -Cl(P). Die Zerlegung P = P safe ÅP live ist aber nicht eindeutig! Beispiel: S={Arbeit, Bier}. ; und G Arbeit sind Sicherheitseigenschaften S ω und F Bier sind Lebendigkeitseigenschaften ; = ; Å S ω = G Arbeit Å F Bier sind verschiedene Zerlegungen von ;.
18 Zusammenfassung G F Ferien
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
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
Mehr9 Konvergenz und absolute Konvergenz von Reihen
9 Konvergenz und absolute Konvergenz von Reihen 9.2 Konvergenz von Reihen 9.5 Monotoniekriterium für Reihen 9.6 Konvergenzkriterium von Cauchy für Reihen 9.9 Rechenregeln für konvergente Reihen 9.10 Absolute
MehrEinführung in die Analysis
Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel
MehrKonvergenz einer Folge. 1-E1 Ma 1 Lubov Vassilevskaya
Konvergenz einer Folge 1-E1 Ma 1 Lubov Vassilevskaya Konvergenz einer Folge: Inhalt Drei Verhaltensmuster von Folgen. Beispiele 1 ) = 1 n, = n n +1, 2 ) = ( 1)n n +1 n und ihre graphischen Darstellungen.,
Mehr3) Linearzeit-Eigenschaften
3) Linearzeit-Eigenschaften GPS: Linearzeit-Eigenschaften Einführung 129 Linearzeit-Eigenschaften Erinnerung: endliche Trace-Fragmente = Wörter Def.: Σ ω bezeichnet Menge aller unendlichen Wörter (Sequenzen)
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
MehrLösungsvorschläge Blatt 4
Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt 4 Zürich, 21. Oktober 2016 Lösung zu Aufgabe 10 (a) Wir zeigen mit
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrKap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R
Definition: Zahlenfolge Kap. 10: Folgen und Reihen 10.1 Definition: Zahlenfolge Eine Funktion a : N Ñ R poder Cq heißt reelle (oder komplexe) Zahlenfolge. Man nennt a n apnq das n-te Folgenglied und schreibt
MehrKAPITEL 2. Folgen und Reihen
KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).
Mehr= (n 2 ) 1 (Kurzschreibweise: a n = n 2 ) ergibt die Zahlenfolge 1, 4, 9, 16, 25, 36,.
2 Folgen, Reihen, Grenzwerte 2.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind (n N; auch
MehrVorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Dozent: Dr. Michael Karow Thema: unendliche Reihen Definition. Eine unendliche Reihe ist der Grenzwert einer Folge von Summen: a k = lim k a k, wobei a k C. Falls der
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
MehrDie alternierende harmonische Reihe.
Die alternierende harmonische Reihe Beispiel: Die alternierende harmonische Reihe k k + = 2 + 3 4 + konvergiert nach dem Leibnizschen Konvergenzkriterium, und es gilt k k + = ln2 = 06934 für den Grenzwert
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrKonvergenz, Filter und der Satz von Tychonoff
Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
MehrLösungshinweise zu den Hausaufgaben:
P. Engel, T. Pfrommer S. Poppitz, Dr. I. Rybak 14. Gruppenübung zur Vorlesung Höhere Mathematik 1 Sommersemester 009 Prof. Dr. M. Stroppel Prof. Dr. N. Knarr Lösungshinweise zu den Hausaufgaben: Aufgabe
MehrHumboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T.
Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T. Streubel Lösungsalternativen für die Übungsaufgaben zur Vorlesung
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
MehrZusammenfassung 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,
MehrReihen. Kapitel 3. Reihen, Potenzreihen und elementare Funktionen. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 3 Reihen, Potenzreihen und elementare Funktionen Peter Becker (H-BRS) Analysis Sommersemester 2016 160 / 543 Inhalt Inhalt 3 Reihen Absolute Konvergenz Potenzreihen Elementare Funktionen Anwendung:
Mehr2 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
MehrMathematik 1 für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler) Musterprüfung mit Lösungen
Mathematik für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler Musterprüfung mit Lösungen. Sei T N. (a Unter welchen beiden Voraussetzungen an T garantiert das Induktionsaxiom (nach
MehrDer Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also
Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
MehrDie komplexe Exponentialfunktion und die Winkelfunktionen
Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
MehrAutomaten, Spiele und Logik
Automaten, Spiele und Logik Woche 13 11. Juli 2014 Inhalt der heutigen Vorlesung Linearzeit Temporale Logik (LTL) Alternierende Büchi Automaten Nicht-Determinisierung (Miyano-Ayashi) Beschriftete Transitionssysteme
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
MehrKapitel 4 Folgen und Reihen
Kapitel 4 Folgen und Reihen Inhalt 4.1 4.1 Konvergenzkriterien für für Folgen 4.2 4.2 Reihen 4.3 4.3 Achilles und und die die Schildkröte Seite 2 4.1 Konvergenzkriterien für Folgen Wiederholung (vgl. (vgl.
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
MehrMathematik III. Produkt-Präringe
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 66 Es ist unser Ziel zu zeigen, dass auf der Produktmenge von Maßräumen unter recht allgemeinen Voraussetzungen ein Maß definiert ist,
MehrAnalysis I - Einige Lösungen und Ergänzungen
Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis
MehrZusammenfassung zur Konvergenz von Folgen
Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
Mehrx k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert
4 Reihen Im Folgenden sei K R oder K C. 4. Definition. Es sei (x k ) Folge in K. Wir schreiben x k s und sagen, die Reihe x k konvergiere, falls die sogenannte Partialsummen-Folge s n x k n, 2,... in K
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die
3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind ( n N, auch
Mehrn=1 a n mit reellen Zahlen a n einen
4 Unendliche Reihen 4. Definition und Beispiele Ein altes Problem der Analysis ist es, einer Reihe mit reellen Zahlen einen Wert zuzuordnen. Ein typisches Beispiel ist die unendliche Reihe + +..., die
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
Mehreine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.
Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...
MehrMathematik III. Vorlesung 71
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen
MehrAbsolute 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
MehrFolgen und Reihen. 1 Konvergenz
Folgen und Reihen Man betrachte viele Zahlen hintereinander geschrieben. Solche Folgen von Zahlen können durch nummeriert werden. Es entsteht eine Zuordnung der natürlichen Zahlen zu den Gliedern der Folge.
MehrDIE SPRACHE DER WAHRSCHEINLICHKEITEN
KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage
MehrDie reellen Zahlen nach Cantor
Die reellen Zahlen nach Cantor Dustin Lazarovici 3. Dezember 2013 In unserem ersten Vortrag sind wir den Pythagoreern gefolgt und haben die Inkommensurabilität entdeckt: Es gibt Strecken, die kein gemeinsames
Mehr7. Übungsblatt Aufgaben mit Lösungen
7. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung β-version) Aufgabe : Bestimmen Sie alle Häufungspunkte der Folgen mit den Folgengliedern a) a n n n X + cosnπ), b) b n i) i j, und geben Sie
Mehr7.2 Conjoining Specifications
Seminar: Spezifikation und Verifikation verteilter Systeme 7.2 Conjoining Specifications Teil 2: Das Kompositions-Theorem Dirk Fahland 1 TLA & Komposition in TLA Jede TLA-Formel Mi lässt sich in eine äquivalente
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrAbschluss unter Operationen
Abschluss unter Operationen Definition Definition: Es seien L eine Menge von Sprachen und τ eine n-stellige Operation, die über Sprachen definiert ist. Dann heißt L abgeschlossen unter τ, wenn für beliebige
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrMathematische Grundlagen der Computerlinguistik
Mengen und Mengenoperationen (Teil II) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 3 Definition Mengenfamilie Eine Menge, deren sämtliche Elemente selbst wiederum
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrÜbungsaufgaben 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
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
Mehr1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln,
Theorie der Informatik 8. März 25 8. Reguläre Sprachen I Theorie der Informatik 8. Reguläre Sprachen I 8. Reguläre Grammatiken Malte Helmert Gabriele Röger 8.2 DFAs Universität Basel 8. März 25 8.3 NFAs
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrMathematik I Herbstsemester 2014
Mathematik I Herbstsemester 2014 www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 32 1 Stetigkeit Grenzwert einer
Mehrα + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus
4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrCopyright, Page 1 of 5 Stetigkeit in
www.mathematik-netz.de Copyright, Page 1 of 5 Stetigkeit in Definition: (Stetigkeit) Sei ad, wobei D ist. Sei f eine Abbildung aus Abb(D,B) mit B und B. (i) f heißt stetig im Punkt a, wenn es zu jeder
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrKapitel 6. Exponentialfunktion
Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr8 Konvergenzkriterien und Häufungswerte von Folgen in R
8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium
MehrKonvergenz von Folgen
6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5
Mehr2 Reihen Einleitung Wichtige Sätze Arithmetische Reihen Geometrische Reihen Harmonische Reihe...
Folgen und Reihen Vorbereitungskurs Raach 013 Birgit Vera Schmidt 10. Mai 013 1 Folgen 1.1 Einleitung und Definition...................................... 1. Wichtige Folgen............................................
MehrEinführung in Markoff-Ketten
Einführung in Markoff-Ketten von Peter Pfaffelhuber Version: 6. Juli 200 Inhaltsverzeichnis 0 Vorbemerkung Grundlegendes 2 Stationäre Verteilungen 6 3 Markoff-Ketten-Konvergenzsatz 8 0 Vorbemerkung Die
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
Mehr3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.
Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz
Mehr11. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 200/ 2.0.-28.0. Aufgabe G (Grenzwertberechnung)
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehrist 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