Maßtheorie. Wie interpretiert man Volumenmessung? Ziel :

Größe: px
Ab Seite anzeigen:

Download "Maßtheorie. Wie interpretiert man Volumenmessung? Ziel :"

Transkript

1 23 Maßtheorie Ziel : Entwicklung allgemeiner Konzepte, die es gestatten, z.b. Volumina und Oberflächen von Körpern R 3 sinnvoll zu definieren und zu berechnen; sinnvoll soll heißen : für den Einheitswürfel [0, 1] 3 erwartet man als Volumen 1! Wie interpretiert man Volumenmessung? Standpunkt : Volumenmessung ist eine Abbildung µ : {Teilmengen des R 3 } [0, ] mit gewissen Eigenschaften, z.b. : ( µ( = 0, µ A i = µ(a i für disjunkte Mengen ( abzählbare Additivität Flächenmessung ist eine Abbildung λ : {2 dim Mfkten R 3 } [0, ] mit o.g. Eigenschaften, wobei man µ und λ noch normiert, d.h. z.b. µ([0, 1] 3 = 1. Wir werden später sehen, dass durch diese Bedingung an µ tatsächlich eine geometrische Volumenmessung in R 3 festgelegt wird. 81

2 Analysis III 82 Zunächst wollen wir den allgemeinen Standpunkt ausbauen, d.h. Maße auf beliebigen Grundmengen X studieren. Vorbemerkung (technischer Art : (Reihen mit Gliedern [0, ] Seien a k [0, ] für k N. Dann ist { L } a k := sup a k : L N k=0 k=0 wohldefiniert in [0, ], und der Wert hängt nicht von der Anordnung ab. (Wert ggf. + Sei I eine beliebige abzählbare Indexmenge und a i [0, ] für i I. Dann setzt man a i := sup a j : J I, #J < = a σ(k [0, ] i I j J für eine beliebige Bijektion σ : N 0 I. Die Summe über die leere (Index-Menge ist =: 0. k=0 Definition 23.1 : (äußere Maße Sei X eine beliebige Menge. Eine Funktion µ : P(X [0, ] heißt ein Maß auf X, falls gilt : (i µ( = 0. (ii Für jede Teilmenge A von X und alle abzählbaren Familien (B i i I Mengen B i X gilt : Bemerkungen : A B i = µ(a µ(b i i I i I von (abzählbare Subadditivität σ- Subadditivität 1 µ(a = 0 : A heißt µ-nullmenge (abzählbare Vereinigungen von Nullmengen sind wieder Nullmengen 2 Aus (ii folgt die Monotonie : A B = µ(a µ(b (benutze (ii mit B 1 := B, B k :=, k 2 3 In (ii bedeutet abzählbar : # I < oder I = N.

3 Analysis III 83 4 In der Literatur nennt man eine Mengenfunktion µ mit (i, (ii ein äußeres Maß. Daraus konstruiert man ein Maß durch Einschränkung von µ auf ein gewisses Teilsystem M von P(X. Auf M ist µ dann abzählbar additiv : ( B n m für n N, B n B m = für n m = µ B n = µ(b n. Dazu später mehr. Beispiele : Sei X eine beliebige Menge i triviales Maß: µ 0 ii Dirac-Maß in a X : { 1, a A δ y (A = 0, a A Dann : δ a ( = 0 Seien A, B i X, A Fall 1 : a A δ a (A = 0 Fall 2 : a A B i δ a (B i = a B i für ein i ; also : 1 = δ a (A = δ a (B i n=1 δ a (B i iii Zählmaß: δ(a := # A (Anzahl der Elemente von A (also = +, wenn A keine endliche Teilmenge von X ist. Dass es sich um ein Maß handelt, ergibt sich aus folgender Übung : Sei ϕ : X [0, ] beliebig und für A X { } ϕ ρ (A := sup ϕ(x : E A, # E <. x E Für ρ 1 ist ϕ ρ das Zählmaß. Man zeige : Sei (B i i I eine abzählbare Familie von disjunkten Teilmengen von X. Dann gilt : ( ϕ ρ B i = ϕ ρ (B i, i I i I d.h. ϕ ρ ist sogar abzählbar additiv und damit ein Maß(?!. Als Spezialfall folgt, dass das Zählmaß ϕ ein Maß ist. Das nächste Beispiel wird uns etwas länger aufhalten. n=1

4 Analysis III 84 Das eindimensionale Lebesgue-Maß L 1 auf R Ziel : definiere ein Maß auf R, so dass Intervalle [a, b], (a, b, [a, b, (a, b] das gleiche Maß b a haben Idee : überdecke dazu A R möglichst gut mit Intervallen Definition 23.2 : Für A R ist das Lebesgue - Maß von A die Größe { L 1 (A := inf j I ( (b j a j [a j, b j ] j I } ist abzählbare Überdeckung von A. Satz 23.1 : (i L 1 ist ein Maß auf R. (ii L 1 (J = b a für beliebige Intervalle J mit Endpunkten a b in [, ]. (iii L 1 (A > 0 für offene A R, A. (iv L 1 ( = 0. Beweis : (i [ ε, ε] Def. = L 1 ( 2 ε ε 0 = L 1 ( = 0. Seien ε > 0, A R gegeben, und es gelte A n=1 B n mit Mengen B n R. Zu jedem n N wählen wir gemäß Definition (L 1 (B n = inf... eine abzählbare Überdeckung ([ ] a n i, bn i (I n = abzählbare Indexmenge von B n mit i I n L 1 (B n + 2 n ε i I n (b n i a n i Aus B n A i I n [ ] a n i, bn i folgt ( n=1 i I n [ ] a n i, b n i,.

5 Analysis III 85 also nach Def. (L 1 (A = inf Summe der Intervall-Längen ( L 1 (A b n i a n i n=1 i I n { } L 1 (B n + 2 n ε = n=1 L 1 (B n + ε. n=1 n=1 Da ε > 0 beliebig ist, folgt : L 1 (A L 1 (B n. n=1 = L 1 ist Maß. Beachte : offene Teilmengen von R umfassen ein Intervall positiver Länge, also folgt (iii aus (ii Sei J = [a, b] mit a b R. Aus der Def. folgt : Z.z. ist : L 1 (J b a. ( b a i I (b i a i für jede höchstens abzählbare Überdeckung ([a i, b i ] i I von J. Dann folgt durch Bildung vom Infimum : b a L 1 (J. Fall 1 : # I < = ( gilt (vgl. Bild! a 2 b 2 a b a 1 b 1 Fall 2 : # I =, also z.b. : I = N. Sei ε > 0 gegeben. Vergrößere [a i, b i ] zu [a i ε i, b i + ε i ] mit ε i := 2 i ε. = J (a i ε i, a i + ε i J kompakt = N : J N (a i ε i, b i + ε i = J N [a i ε i, b i + ε i ]

6 Analysis III 86 Fall 1 angewendet auf diese letzte Inklusion ergibt gemäß ( (endl. Indexmenge b a N N (b i a i + 2 ε i (b i a i + 2ε, i I also gilt ( auch für die Indexmenge I, da ε beliebig. Ergebnis : L 1 ([a, b] = b a a b, a, b R. Die Monotonie von L 1 ergibt : L 1 ([a + ε, b ε] L 1 ((a, b L 1 ([a ε, b + ε] = L 1 ((a, b (b a 2ε, so dass auch L 1 ((a, b = b a. Für halboffene Intervalle schließt man analog, für unbeschränkte Intervalle J folgt aus der Definition bzw. Monotonie direkt L 1 (J = +. Später : entsprechende Konstruktion eines Maßes L n auf R n für alle n 1 L 3 ist die richtige Volumenmessung in R 3. Definition 23.3 : X sei beliebiger Grundraum, µ ein Maß auf X. a Für A X definiert man die Einschränkung von µ auf A durch (µ A(B := µ(a B, B X. Hierbei gilt : µ A ist ein Maß auf X! b A X heißt µ-messbar, wenn A jede Testmenge additiv zerlegt : µ(b = µ(b A + µ(b A B X Dieser Begriff wird eingeführt, um abzählbare Additivität auf disjunkten Mengen zu haben.

7 Analysis III 87 B \ A A B A B \ A B Bemerkungen : 1 Subadditivität = µ(b B=(B A (B A Deshalb muß man nur prüfen. µ(b A + µ(b A gilt immer! 2 offenbar :, X µ-messbar; µ-nullmengen sind µ-messbar! 3 C X beliebig; A µ-messbar = A (µ C-messbar 4 A µ-messbar Komplementregel X A µ-messbar. Satz 23.2 : (Eigenschaften messbarer Mengen / Operationen mit messbaren Mengen Sei µ ein Maß auf X, {A k } k N eine Folge µ-messbarer Mengen. Dann : (i A k, A k µ-messbar ( (ii A k A l =, k l = µ σ-additivität auf messbaren Mengen A k = µ(a k (iii Gilt A k A k+1 für alle k, so ist ( µ A k = lim µ(a k [0, ]. k (iv Sei µ(a 1 < (oder µ(a L < für ein L und A k A k+1 für alle k (oder für k L. Dann folgt ( µ A k = lim µ(a k. k

8 Analysis III 88 Beweis : (in 6 Schritten 1. Wir erinnern an die Messbarkeitsdefinition für A X ( µ(b µ(a B + µ(b A B X Also gilt für B X µ(b = µ(b A 1 + µ(b A 1 und (Messbarkeit von A 2, B A 1 als Testmenge in ( µ(b A 1 = µ ((B A 1 A 2 + µ ((B A 1 A 2 = µ(b = µ(b A 1 + µ ((B A 1 A 2 + µ ((B A 1 A 2 ( Es gilt : } (B A 1 {(B A 1 A 2 B (A 1 A 2 und (B A 1 A 2 = B (A 1 A 2 Monotonie = µ(b A 1 + µ ((B A 1 A 2 µ (B (A a A 2 Einsetzen in ( = µ(b µ (B (A 1 A 2 + µ (B (A 1 A 2, d.h. A 1 A 2 messbar. Induktion über n liefert : n A k messbar für alle n, d.h. endliche Vereinigungen messbarer Mengen sind messbar. 2. X (A 1 A 2 = (X A 1 (X A 2 messbar nach 1. messbar = A 1 A 2 messbar. ( Komplementregel Induktion über n liefert : n A k messbar für alle n, d.h. Schnitte von endlich vielen messbaren Mengen ist messbar.

9 Analysis III Gelte A l A k = für k l; setze B k := k A l messbar; A k+1 messbar B k+1 Testmenge = µ(b k+1 = µ(b k+1 A k+1 + µ(b k+1 A k+1 l=1 = µ(a k+1 + µ(b k k falls alle Maße <! = µ(b k+1 µ(b k = µ(a k+1 Also : ( n µ A k = µ(b n Teleskop-Summe = n 1 (µ(b k+1 µ(b k + µ(b 1 n 1 s.o. = µ(a 1 + µ(a k+1 = n µ(a k, d.h. n ( n µ(a k = µ A k n. Also gilt (ii für endliche Vereinigungen disjunkter Mengen. Es folgt (Monotonie ( n ( n µ(a k µ A k = µ(a k µ A k. gilt trivialerweise, also folgt (ii allgemein. Rechnung wurde unter der Annahme µ(a k < + direkt! k gemacht. Andernfalls gilt (ii 4 Sei A := und gelte k : A k A k+1 = A k+1 A k = A k+1 (X A k messbar, dann folgt nach (ii : ( µ A k ( = µ (A k A k 1 (ii = µ(a k A k 1 = lim n n µ(a k A k 1 =A n {}}{ (ii ( n = lim µ (A k A k 1 n = lim n µ(a n, wobei wir (ii für die disjunkten Mengen B k := A k A k 1 benutzt haben. Damit ist (iii bewiesen.

10 Analysis III Sei nun A k A k+1 und µ(a 1 <. Screibe A 1 = A k (iii + Subadd. = µ(a 1 µ (A 1 A k }{{} aufsteigend messbar ( A k + µ ( (A 1 A k ( = µ A k + lim µ(a 1 A n. n (+ A n messbar A 1Testmenge = µ(a 1 = µ(a 1 A n + µ(a 1 A n und wegen µ(a 1 < : Also : µ(a 1 A n = µ(a 1 µ(a 1 A n. µ ( A k + lim n µ(a 1 A n = µ Einsetzen in (+ : ( µ(a 1 µ = lim n µ(a n µ ( A k + µ(a 1 lim ( A k, A k + µ(a 1 lim n µ (A a A n }{{} =A n n µ(a n die umgekehrte Beziehung gilt wegen Monotonie. Es folgt (iv. 6. Zu beweisen bleibt noch (i, also Messbarkeit von A k, A k. Sei B X beliebig, o.e. µ(b <, da sonst ( ( µ(b µ B A k + µ (B A k trivial ist. Definiere B j := j A k. Beachte : µ-messbare Mengen sind µ B-messbar, d.h. (iii, (iv gelten für µ B. D.h. : µ (B A k + µ (B A k B j messbar nach 1. = ( ( µ B ( B k + (µ B (X B k }{{} absteigend ( ( (iii, (iv B j aufsteigend! = lim µ B (B k + lim µ B (X B k k k B k messbar bzgl. µ B = ( µ B (X = µ(b

11 Analysis III 91 = Gemäß A k ist µ - messbar. X A k = (X A k folgt die 2 te Behauptung aus (i. Bemerkungen : 1 Für konkrete Maße auf dem R n werden wir später ein sehr handliches Kriterium formulieren, mit dessen Hilfe sich Messbarkeit einer Menge bzgl. diser Maße schnell entscheiden läßt. Merke : Für vernünftige Maße (Volumenmessung in R n sind fast alle Mengen messbar, nicht-messbare Mengen lassen sich dort nur mit dem Auswahlaxiom konstruieren. 2 Sei X eine Menge, ϑ P(X heißt eine σ-algebra, falls : (i, X ϑ (ii A ϑ = X A ϑ (iii A n ϑ für n N = (es folgt : n=1 n=1 A n ϑ A n ϑ für A n ϑ. Ist µ ein Maß auf X, so folgt aus 23.3 : M := { } A P(X : A ist µ-messbar ist σ-algebra der µ-messbaren Mengen. Literatur : (Bauer In machen Büchern findet man folgenden Zugang zur Maßtheorie : (X, N, λ heißt Maßraum, falls N P(X eine σ-algebra ist und λ : N [0, ] eine Abbildung mit den Eigenschaften (i λ( = 0, ( (ii λ A n = λ(a n für A n, A m N paarweise disjunkt n=1 n=1 ( X, M, µ ist daher ein Maßraum. M ( Ist umgekehrt X, N, λ ein beliebiger Maßraum, so setzt man für A X µ(a := inf { } λ(b : A B, B N. µ ist dann ein Maß im Sinne von (Ich finde den Zugang über äußere Maße begrifflich einfacher.

12 Analysis III 92 Bis jetzt : alles sehr allgemein, nun betrachten wir Definition 23.4 : Maße auf metrischen Räumen Sei X ein metrischer Raum. (a Die σ-algebra B = B(X ist die kleinste σ-algebra in X, die alle offenen Mengen enthält. Die Elemente von B heißen : Borel-Mengen (Konstruktion von B s.u (b Ein Maß µ auf X heißt Borel-Maß, falls alle Borel-Mengen µ-messbar sind. (c Ein Borel-Maß auf X heißt (Borel-regulär, falls es zu jeder Menge A X eine maßgleiche Borel-Obermenge B gibt : µ(a = µ(b mit A B, B B. (d Ein Borel-reguläres Maß heißt Radon-Maß, wenn kompakte Mengen X endliches Maß haben. (e Eine Menge A X heißt σ-endlich bzgl. eines Maßes λ auf X, wenn man schreiben kann A = B k mit λ-messbaren Mengen B k, λ(b k <. Bemerkungen : (0 Die Volumenmessung im 3 ist z.b. ein Radon-Maß. (1 Borel-Mengen ˆ= alle Mengen, die sich aus offenen und abgeschlossenen Mengen durch abzählbare Vereinigungen, Schnitte und Differenzen sowie Iteration dieser Konstruktionen erzeugen lassen. Existenz von B : setze B := ϑ, ϑ = σ-algebra { offene Mengen in X} (P(X ist ein solches ϑ! (2 Borel (-regulär Maße und Radon-Maße bringen Messbarkeit und Topologie in Verbindung : offene/abgeschlossene Mengen sind messbar, für Radon Maße haben kompakte Mengen endliche Masse (3 Borel- und Radon-Maße kann man auch auf beliebigen topologischen Räumen definieren. (4 Für (e kann X irgendeine Menge sein, also nicht notwendig ein metrischer Raum. (5 Beschreibung der Borel-Regularität : Es gilt für ein Borel-Maß λ auf X : Beweis : λ Borel-regulär λ(a = inf{λ(b : B B, B A} für alle A X. = : = : klar! Sei A X gegeben. Zu n wähle B n B, B n A, λ(b n 1 n λ(a. Sei B := B n B. n=1 Dann : λ(b (B n λ(a 1 n, also λ(b λ(a. folgt aus A B.

13 Analysis III 93 6 Sprechweise : Sei X irgendeine Menge, λ ein Maß auf X. λ heißt reguläres Maß : Def. vgl. (5, gl. Rechnung! λ(a = inf{λ(b : B A, B λ -messbar} für alle A X für alle A X gibt es eine λ-messbare Menge C A mit λ(a = λ(c Indem man A n ersetzt durch maßgleiche λ-messbare Obermengen kann man zeigen bzw. die Aussage von 23.3 wie folgt verallgemeinern : ( {λ reguläres Maß, A n A n+1 für alle n } = λ(a n n λ A k Die A n müssen also nicht λ-messbar sein. Satz 23.3 : Sei λ ein Borel-reguläres Maß auf X und A X sei λ-messbar. Dann gilt : (i A Borel-Menge = λ A Borel-regulär (ii Beweis : λ(a < }{{} nicht notwendig Borel Definiere ν := λ A. Bemerkung 3 nach Definition 23.3 besagt : = λ A Radon-Maß, also speziell auch Borel-regulär. λ-messbare Mengen sind auch ν-messbar, also sind insbesondere alle Borel- Mengen ν-messbar und somit ist ν ein Borel-Maß. Im Fall λ(a < gilt : zu (i : ν(k = λ(a K λ(a < für alle kompakten Mengen K X. Sei A jetzt Borel-Menge. zu zeigen : ν ist Borel-regulär ( d.h. : Zu C X finde Borel-Menge D C mit ν(c = ν(d. bekannt : λ Borel-regulär = Borel-Menge E X mit λ(e = λ(a C und A C E. Setze D := E (X A = D Borel-Menge und C (A C (X A E (X A = D

14 Analysis III 94 sowie ν(d = λ(d A D A E nach Def. v. D λ(e = λ(a C = ν(c Die umgekehrte Richtung ν(d ν(c folgt aus C D, also gilt (. zu (ii : Sei A X nicht notwendig Borel-Menge, aber es gelte λ(a <. Zu zeigen ist wieder (. Zunächst existiert zu A eine maßgleiche Borel-Obermenge B (λ Borel-reguläres Maß. Da A λ-messbar ist, folgt : λ(b A = λ(b λ(a = 0 (beachte : B = A (B A sowie λ(b <! Für C X beliebig ist deshalb ν(c = λ(a C λ(b C = (λ B(C A λ-messbar, B C als Testmenge = λ ((B C A + λ ((B C A λ ((B C A + λ(b A }{{} =0 = λ ((B C A ν(c = ν(c = (λ B(C C X ν = λ B Nach (i ist λ B Borel-regulär, also folgt ( für ν. ν(k < für sogar alle K X ist klar. Satz 23.4 : Approximationssatz für Borel- und Radon-Maße a Sei X ein metrischer Raum und λ ein Borel-Maß. Ist B Borel-Menge mit λ(b <, so gibt es zu jedem ε > 0 eine abgeschlossene Menge C X mit C B und λ(b C < ε. b Sei λ ein Radon-Maß auf offene Menge U mit n. Ist B Borel-Menge, so findet man zu jedem ε > 0 eine B U und λ(u B < ε. Für Radon-Maße auf n gilt noch mehr

15 Analysis III 95 Zusatz : (Radon-Maße auf n Sei λ ein Radon-Maß auf n. Dann gilt (i für jede Menge A n : λ(a = inf{λ(u : U A offen} (ii für jede λ-messbare Menge A : λ(a = sup{λ(k : K A kompakt} Beweisskizze von 23.4 : a ν := λ B ist endliches Borel-Maß (Bemerkung nach Def λ-messbare Mengen sind auch λ B-messbar; also sind alle Borel-Mengen λ B messbar; Endlichkeit : klar! 1. Setze F := {A X : dann zeige : A ist λ-messbar und zu jedem ε > 0 gibt es eine abgeschlossene Menge C ε mit C ε A und ν(a C ε < ε } F { abgeschlossene Teilmenge von X} klar! F ist stabil gegen abzählbare und F { offene Teilmengen von X} (beachte dazu : U offen = U = {x U : dist (x, X U 1/i} und {... 1 i } ist abgeschlossen 2. Sei F := {A F : X A F}. Zeige : F ist stabil bzgl. und F { offene Mengen } Insgesamt : b Jetzt : X = F ist σ-algebra { offene Mengen in X} = F B. Unsere Borel-Menge B aus Teil a gehört also zu F, was zu beweisen war. Bemerkung : Sei U m := {x Die Bildung von F ist nötig, da F nicht abgeschlossen bzgl. Bildung von Komplementen. n und B Borel-Menge sowie λ Radon-Maß. n : x < m} = U m B ist Borel-Menge mit λ(u m B λ(u m <. Hier geht ein, dass X = n ist. Andernfalls ist U m nicht notwendig kompakt! (und hat somit endliches Maß. Nach a gibt es eine abgeschlossene Menge C m mit C m U m B, λ((u m B C m = λ(u m C m B < ε2 m wobei ε > 0 beliebig vorgegeben ist. Die Mengen U m C m sind offen, also ist auch U := (U m C m offen. m=1

16 Analysis III 96 Es gilt (Wahl von C m, d.h. C m n B : B n C m = U m B U m C m Def.von U = m B = (U m B m=1 (U m C m = U, m=1 d.h. U offene Obermenge von B. Für das Maß von B U bekommt man ( µ(u B = µ (U m C m B m=1 µ ((U m C m B ε. m=1 = µ(b = inf {µ(v : V offen B} In der Praxis hat man es meistens mit Borel-Maßen oder sogar Radon-Maßen auf metrischen Räumen zu tun, und es stellt sich deshalb die Frage : Wie entscheidet man schnell, ob ein gegebenes Maß diese Eigenschaft hat? Satz 23.5 : Kriterium von Carathéodory Sei λ ein Maß auf dem metrischen Raum X. Gilt λ(a B = λ(a + λ(b A, B X, dist (A, B > 0 so ist λ ein Borel-Maß auf X. Beweis : Es genügt zu zeigen, dass alle abgeschlossenen Mengen C X messbar sind bzgl. λ, denn die messbaren Mengen bilden eine σ-algebra, und jede σ-algebra {abgeschlossene Mengen in X} umfaßt B. Für A X beliebig ist zu beweisen (bei fixierter abgeschlossener Menge C ( λ(a λ(a C + λ(a C. Dazu sei o.e. λ(a <. Für m sei dist (A, B := inf{d(x, y : x A, y B} C m := {x X : dist (x, C 1/m} (die äußere Parallelmenge von C im Abstand 1/m. Man bekommt C m, indem man um C einen Streifen der Breite 1/m legt.

17 Analysis III 97 Man bekommt C m, indem man um C einen Streifen der Breite 1 m legt. C A A C C m C C m = dist (A C m, A C 1 m Vor = ( λ(a C m + λ(a C = λ((a C m (A C Mon. λ(a, denn (A C m (A C A. Behauptung : ( lim λ(a C m = λ(a C m Setzt man dies in ( ein, so folgt (, also die Behauptungung. ad ( : Sei für k { } 1 R k := x A : k+1 < dist (x, C 1 k C k Man sieht : = A C = (A C m = λ(a C m Cm C Ist R k k=m λ(a C Vor. λ(a C m + λ(r k < so folgt (. k=m λ(r k Es gilt für j i + 2 dist (R i, R j > 0 m ( m λ(r 2k = λ ( m m λ(r 2k+1 = λ k=0 R 2k R 2k+1 k=0 Vor = +Ind. Mon. Mon. λ(a, λ(a = m λ(r k 2 λ(a < m

18 Analysis III 98 Das Lebesgue - Maß L n auf n ist für geometrische Anwendungen wie Volumenmessung das wichtigste Maß. Die Konstruktion ist analog zu der von L 1 nur mit Quadern statt Intervallen. Definition 23.5 : Für A n sei { L n (A := inf Q i : i I (Qi i I ist höchstens abzählbare Überdeckung von A durch abgeschlossene Quader Q i das sogenannte Lebesgue-Maß von A. (genauer: n-dim. Lebesgue-Maß Hier : Q = [a 1, b 1 ]... [a n, b n ], Q := (b 1 a 1... (b n a n. Elementarvolumen } Bemerkungen : 1 L n ist ein Maß auf Beweis wie für L 1 ; Einzelheiten Übungen! n. 2 In der Definition kann man genauso offene Quader W = (a 1, b 1... (a n, b n oder teilweise offene Quader W benutzen, vorausgesetzt man setzt immer W := Produkt der Kantenlängen. Begründung : A Q i, Q i = abgeschlossener Quader. Sei ε > 0 gegeben; bilde nun mit später zu definierendem ε i wenn W i := ( a i 1 ε i, b i 1 + ε i... ( a i n ε i, b i n + ε i, Q i = [a i 1, b i 1]... [a i n, b i n] dann folgt : und gemäß A W i mit offenen Quadern W i W i = j=1 n ( b i j a i n j + 2ε i j=1 n ( b i j a i j + 2ε i ; j=1 ( b i j a i j + 2 εi 2 n 1 max j=1...n {1, bi j a i j} n 1

19 Analysis III 99 folgt W i Q i + 2 i ε, wenn man von ε i verlangt Insgesamt : 2ε i 2 n 1 max j=1...n {1, bi j ai j }n 1 2 i ε W i Q i + ε, so dass inf{ W i :... W i offen...} = inf{ Q i :... Q i abgeschlossen...}. 3 Ist Q ein Quader und zerlegt man diesen durch Schnitte mit achsenparallelen Hyperebenen in Teilquader Q 1,..., Q N, so gilt : Q = N Q i Q 4 Q 3 Q 1 Q 2 = bei der Definition von L n (Akann man mit Quadern (sogar Würfeln! arbeiten, deren Kantenlängen unterhalb einer beliebig kleinen vorgegebenen Schranke liegen : { L n (A = inf Qi : i I (Qi i I ist Quaderüberdeckung von A mit Quadern (oder Würfeln der Kantenlänge δ Q }. 4 Für Quader Q (abgeschlossen, offen, halboffen gilt stets L n (Q = Q Beweis : wie für L 1!

20 Analysis III 100 Satz 23.6 : (Eigenschaften von L n (i Für jede Menge A n gilt L n (A = inf{l n (U : U offen A}. (ii L n ist ein Radon-Maß. (iii Translationsinvarianz : L n (b + A = L n (A b n, A n (iv Homogenität vom Grad n : L n (r A = r n L n (A r 0, A n (v Seien r 1,..., r n und T (x = (r 1 x 1,..., r n x n. Dann gilt : L n (T (A = r 1... r n L n (A. (beachte : det T = r 1... r n Beweis : (i für L n (A = klar! Sei also L n (A <. Nach Bemerkung 2 im Anschluß an Definition 23.5 gilt : zu jedem ε > 0 gibt es offene Quader (P j j A P j =: U und L n (A + ε j=1 U ist offen mit L n (U P j L n (A + ε. j=1 mit P j. j=1 Da umgekehrt offenbar L n (A L n (U gilt, folgt (i. (ii Sei K n kompakt = Quader Q mit K Q = L n (K L n (Q = Q <. Mit Carathéodory s Kriterium zeigen wir, dass L n Borel-Maß ist : Seien A, B Sei ε > 0 gegeben n mit dist (A, B > 0. O.E. L n (A B <, sonst ist nichts zu zeigen. = Quaderüberdeckung von A B mit Quadern Q j der Kantenlängen δ (wird später fixiert mit Q j L n (A B + ε j=1 Sei J definiert durch j J Q j (A B. Dann ist auch (Q j j J Überdeckung von A B.

21 Analysis III 101 Sei δ = 1 2 dist (A, B. n A B Dann ist für Q j, j J, entweder Q j A und Q j B = oder umgekehrt. Sei J 1 := {j J : Q j A }, J 2 := {j J : Q j B } = J = J 1 J 2, J 1 J 2 =, (Q j j J1 ist Überdeckung von A, (Q j j J2 ist Überdeckung von B = L n (A + L n (B Q j + Q j j J 1 j J 2 = Q j j J L n (A B + ε = L n (A + L n (B L n (A B, und die umgekehrte Ungleichung folgt aus der Monotonie. Nachzuweisen : Borel-Regularität von L n Sei A n beliebig. Nach (i gibt es eine Folge U i offener Mengen mit B := U k A, L n (A = lim k Ln (U k. U k ist Borel-Menge (also messbar, B A, mit L n (B L n (U k k L n (A, d.h. L n (B L n (A. Die umgekehrte Ungleichung gilt trivial, also ist B maßgleiche Borel-Obermenge zu A. (iii (Q j j J abzählbare Quaderüberdeckung von A = (b + Q j j J abzählbare Quaderüberdeckung von b + A außerdem (iv ist Spezialfall von b + Q j = Q j, da die Kantenlängen gleich sind = L n (A = L n (b + A. (v Sei (Q j Quaderüberdeckung von A = (T Q j ist Quaderüberdeckung von T A mit T Q j = r 1... r n Q j, j J denn ist j J Q = [a 1, b 1 ]... [a n, b n ],

22 Analysis III 102 so gilt Es folgt T Q = [α 1, β 1 ]... [α n, β n ] mit α k β k, {α k, β k } = {r k a k, r k b k }. L n (T A r 1... r n L n (A ( Ist ein r i = 0, so gilt,,= direkt (vgl. nachfolgende Bem.. Sind alle r i 0, so setze ( 1 Sx := x 1,..., 1 x n. r 1 r n Es gilt ( für S statt T und T A statt A, d.h. L n (S(T A 1 r 1 1 r n L n (T A. Gemäß S T = Id folgt die Behauptung. Folgerung : A {x n : x k = c} für ein k {1,..., n}, c = L n (A = 0 n 1 A denn : nach Translation o.e. c = 0. Sei T (x = (x 1... x k 1 0 x k+1... x n = T A = A und L n (T A = 0 L n (A = 0. Bemerkung : hier zunächst L n (A <, da sonst Term der Form 0 auftritt; falls L n (A = = betrachte A m = A {x : x m} Wir bemerken, dass L n weitgehend durch die Aussagen von Satz 23.7 eindeutig festgelegt wird.

23 Analysis III 103 Satz 23.7 : Eindeutigkeit von L n L n ist das einzige Maß λ auf n mit (i Translationsinvarianz : λ(b + A = λ(a b n, A (ii Additivität auf Quadern : Für disjunkte Quader n gilt λ(q 1 Q 2 = λ(q 1 + λ(q 2 (iii Normierung : λ([0, 1] n = 1 (iv Regularität : λ(a = inf{λ(u : A U offen } A n n Beweis : - Bemerkung : (i, (ii, (iv legen L n bis auf einen Faktor α 0 fest. Es ist α = λ([0, 1] n. Unser geometrisches Maß L n sollte invariant gegenüber Drehungen sein, denn Drehungen verändern ja anschaulich das Volumen nicht. Das läßss t sich sehr einfach beweisen, wenn man L n mit Hilfe von Kugelüberdeckungen charakterisiert. Zur Vorbereitung dient ein Topologisches Lemma : Sei U n offen. Dann gilt U = W i mit abgeschlossenen achsenparallelen Würfeln W i, deren Inneres paarweise disjunkt ist. Beweis : Sei m und F m := 2 m n = {2 m (l 1,..., l n : l i } induziert Zerlegung von n in abzählbar viele, abgeschossene, achsenparallele Würfel der Kantenlänge 2 m. Definiere nun folgende Mengen: W := {W i : i I } Menge der Würfel aus F, die ganz in U liegen I oder #I < ; U 1 := U Wi i I offen W 1 := {W 1 i : i I 1 } Menge der Würfel aus F 1, die ganz in U 1 liegen I 1 oder #I 1 < ;

24 Analysis III 104 induktiv: U m+1 := U m ( W := W j i U = W m+1 := {W m+1 i Wi m, i I m : i I m+1 } Würfel aus F m+1, die ganz in U m+1 liegen j,i I j System von Würfeln mit paarweise disjunktem Inneren es gilt: j=0 W j i i I j Wir benutzen das topologische Lemma zum Beweis von Maßtheoretisches Lemma : Sei U n offen und beschränkt. Dann gibt es abzählbar viele, paarweise disjunkte, abgeschlossene Kugeln B i U mit ( L n (U = L n B i = L n (B i Bemerkung : Es gilt im allgemeinen nicht U = B i sondern nur L n ( U die Kugel B i schöpfen U nur bis auf eine L n -Nullmenge aus. B i = 0, d.h. Beweis : Wir schreiben nach dem vorigen Lemma U = W i mit Würfel W i, deren Inneres paarweise disjunkt ist, α i = Kantenlänge W i, a i = Mittelpunkt von W i. a i B i = Innenkugel zu W i um a i mit Radius α i 2 W i = achsenparallele Würfel um a i in B i mit Kantenlänge α i n W i W i B i = L n ( B i > L n ( W i = ( αi n n = n n/2 L n (W i

25 Analysis III 105 Ersetze B i durch eine etwas kleinere konzentrische Kugel B i mit L n (B i > n n/2 L n (W i. Beachte : die B i sind jetzt disjunkt! Außerdem sei B i abgeschlossen. Dann gilt einerseits ( L n o disj. Inneres W i = L n ( W o i = L n (W i L n (U, da W i U, und andererseits L n ( Also folgt o W i L n (U wegen der Monotonie. > L n (U = L n (W i, so dass die Reihe rechts konvergiert. Sei U 1 := U, U 2 := U 1 m B i offen, wobei m später gewählt wird. Es gilt : U 2 = i=m+1 s.o. = L n (U 2 = W i m (W i B i i=m+1 = [ i=m+1 Es ist n n/2 L n (W i L n /(B i < 0 L n (W I + m (L n (W i L n (B i ln(w i + m n N/2 L n ] m (W i ln(b i + (1 n N/2 L n (W i. = [...] + m ( 1 n n/2 L n (W i < { i=m+1 L n (W i + n n/2 L n } m ( (W 1 ln(b n n/2 L n (W }{{} i <0 Da die Reihe konvergiert, gibt es ein N 1 mit {...} < 0 m N 1. Sei m = N 1 und U 2 mit diesem m definiert. Dann ist i1 L n (U 2 m (1 n n/2 L n (W i ( 1 n n/2 L n (U 1. Definiere rekursiv offene Mengen U 1 U 2 U 3... (wiederhole die Konstruktion mit U 2, statt U 1, usw.!

26 Analysis III 106 mit L n (U k+1 ( 1 n n/2 L n (U k Es gilt in jedem Schnritt : U k+1 = U k endlich viele, abgeschlossene, disjunkte Kugeln U k. Sei {K l } l eine Abzählung der disjunkten, abgeschlossenen Kugeln, die in jedem Schritt entfernt werden = U = U k K l l=1 k = L n (U L n (U k + L n (K l. l=1 Mit folgt denn L n (U k ( 1 n n/2 k 1 L n (U 1 k 0 L n (U = L n (K l, l=1,, ist wegen K l U und der Disjunktheit von K l trivial. Mit Hilfe des vorstehenden Lemmas beweisen wir jetzt Satz 23.8 : (weitere Eigenschaften von L n (i Für A (ii Für f : n gilt L n (A = inf{ L n (B i : n B i Kugeln mit A B i }. n mit f(x f(y L x y ist L n (f(a L n L n (A, A n (iii Ist T : n S, so gilt für A n eine Isometrie, also T x = x + Sx mit einer orthogonalen Abbildung n : L n (T A = L n (A. (iv Ist L : n n linear und A n, so ist L n (LA = det L L n (A. (v Ist m < n, so sind m dim Untermannigfaltigkeiten von n L n -Nullmengen. (Aus (v folgt u.a., dass es in (i egal ist, ob die Kugel offen oder abgeschlossen sind. Bemerkung : Hier zeigt sich der Vorteil, Maße auf P( n zu definieren und nicht nur auf gewissen σ-algebren M. Man hätte dann nämlich zu zeigen, ob in (ii f(a M gilt für A M.

27 Analysis III 107 Beweis von Satz 23.8 : (i L n (A = Sei zunächst A offen und beschränkt Lemma = disjunkte, abgeschlossene Kugeln B i A,, mit L n (A = L n ( B i C := A B i ist L n -Nullmenge = zu ε > 0 gibt es eine Würfelüberdeckung C Zu W j bilde die Umkugel B j mit Radius 1 2 diam W j. W j j=1 Wegen der Homogenität von L n folgt (beachte : L n (W j = ( diam W j n n mit L n (W j < ε. L n (Bj = L n (B 1 (1 2 diam W n n n/2 j = ωn 2 n Ln (W j, wobei ω n := L n (B 1. Damit ist L n (Bj ω n2 n n n/2 ε. j=1 j=1 Die Kugeln B i bilden zusammen mit den Kugeln B j eine Überdeckung von A und daher L n (A L n ( B i + L n (Bj L n (A + ε 2 n n n/2 ω n. J=1 Wegen der Beliebigkeit von ε folgt die Behauptung. A beliebig : überdecke A durch offene Quader Q i bis auf ein ε und benutze den ersten Beweisteil für Q i. (ii o.e. L > 0 und L n (A < ; für B r (x n ist f(b r r(x B Lr (f(x. Man wähle eine Kugelüberdeckung A B ri (x i mit L n (B ri (x i L n (A + ε und = f(a L n (f(a B Lri (f(x i Homog. + Translationsinv. = L n (B Lri (f(x i L n L n (B ri (x i L n (L n (A + ε. Wegen der Beliebigkeit von ε > 0 folgt die Behauptung.

28 Analysis III 108 (iii Da wir bereits Translationsinvarianz wissen, sei T o.e. eine orthogonale Abbildung, also T x T y = x y. Aus (ii folgt L n (T A 1 n L n (A = L n (A = L n (T 1 (T A L n (T A, da auch T 1 orthogonal. (iv Sei L linear. Dann gilt ( Polarzerlegung der Linearen Algebra L = O 1 DO 2 mit orthogonalen Abbildung O 1, O 2 und einer Diagonalmatrix r 1 0 D =... 0 r n Es folgt L n (L(A = L n (0 1 (DO 2 (A = L n (DO 2 (A früheres Ergebnis = r 1... r n L n (0 2 (A = r 1... r n L n (A = det L L n (A. (v Sei M eine Untermannigfaltigkeit von Zu zeigen : L n (M = 0 Q ( ε, ε n mit dim = n 1. 0 n 1 a f(0 V U M U = offene Umg. von 0in n, V = offene Umg. von Q := f(0 in f : U V Diffeomorphismus mit f(0 = a und f(u Q = Quader in n 1 n, n 1 = M V = f(q f(q ( ε, ε = L n (f(q Lip(f n L n (Q ( ε, ε Lip(f n const ε Da ε > 0 beliebig ist, folgt L n (f(q = 0 = L n (f(u n 1 = 0 = L n (M V = 0.

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie

Mehr

σ-algebren, Definition des Maßraums

σ-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

Mehr

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß: Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,

Mehr

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,

Mehr

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002

Mehr

Maße auf Produkträumen

Maße auf Produkträumen Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge

Mehr

Definition 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

Definition 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

Mehr

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

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

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

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

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................

Mehr

Topologische Begriffe

Topologische 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

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

Etwas 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 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

Mehr

Stetigkeit von Funktionen

Stetigkeit 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

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

Analysis I - Stetige Funktionen

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

Mehr

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis 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

Mehr

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL Kapitel 16 SAT VON FUBINI UND DIE TRANSFORMATIONSFORMEL Im folgenden sind X und Y metrische Räume, oder allgemeiner topologische Hausdor räume, und sind Radon-Integrale auf X bzw. Y. Fassung vom 24. Januar

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Topologische Aspekte: Eine kurze Zusammenfassung

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

Mehr

Notizen zur Vorlesung. Analysis III. G. Sweers

Notizen zur Vorlesung. Analysis III. G. Sweers Notizen zur Vorlesung Analysis III G. Sweers Wintersemester 2-2 ii Inhaltsverzeichnis Teilmengen und Strukturen. Topologie, Metrik und Norm...........................2 Basis und Produkt bei Topologien.......................

Mehr

Lösung zur Übung für Analysis einer Variablen WS 2016/17

Lösung zur Übung für Analysis einer Variablen WS 2016/17 Blatt Nr. 3 Prof. F. Merkl Lösung zur Übung für Analysis einer Variablen WS 206/7 Aufgabe Das Guthaben G setzt sich zusammen aus der Summe aller bisherigen Einzahlungen multipliziert mit ( + p) k, wobei

Mehr

2 Allgemeine Integrationstheorie

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

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Kapitel 5 KONVERGENZ

Kapitel 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

Mehr

Mathematik III. Produkt-Präringe

Mathematik 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,

Mehr

Konvergenz, Filter und der Satz von Tychonoff

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

Mehr

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 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

Mehr

Die reellen Zahlen. Wir haben N Z Q mit. Z = Menge der ganzen Zahlen (Gruppe bzgl. +) Q = Menge der rationalen Zahlen (Körper bzgl.

Die reellen Zahlen. Wir haben N Z Q mit. Z = Menge der ganzen Zahlen (Gruppe bzgl. +) Q = Menge der rationalen Zahlen (Körper bzgl. 3 Die reellen Zahlen Wir haben N Z Q mit Z = Menge der ganzen Zahlen (Gruppe bzgl. +) Q = Menge der rationalen Zahlen (Körper bzgl. + und ) eingeführt, um Gleichungen der Form m + x = n bzw. m y = n mit

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

also 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

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

Topologische Räume und stetige Abbildungen Teil 2

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

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + 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

Mehr

Ljapunov Exponenten. Reiner Lauterbach

Ljapunov Exponenten. Reiner Lauterbach Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. 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

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

Mehr

Das Banach-Tarski-Paradox

Das Banach-Tarski-Paradox Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R

Mehr

A n a l y s i s III. Wintersemester 07/08. Ernst Kuwert. Mathematisches Institut Universität Freiburg

A n a l y s i s III. Wintersemester 07/08. Ernst Kuwert. Mathematisches Institut Universität Freiburg A n a l y s i s III Wintersemester 07/08 Ernst Kuwert Mathematisches Institut Universität Freiburg Inhaltsverzeichnis 1 Inhaltsfunktionen.................................. 1 2 Äußere Maße und Maße..............................

Mehr

7 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. 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

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

Kapitel 3. Konvergenz von Folgen und Reihen

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

Mehr

Skript zur Vorlesung Topologie I

Skript zur Vorlesung Topologie I Skript zur Vorlesung Topologie I Carsten Lange, Heike Siebert Richard-Sebastian Kroll Faszikel 1 Fehler und Kommentare bitte an clange@math.fu-berlin.de Stand: 15. Juni 2010 Fachbereich Mathematik und

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(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

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Vorlesung an der Universität des Saarlandes Version 5.0 Klaus Schindler Version 5.0 c K. Schindler 2011 Für A... Inhaltsverzeichnis I Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Thema 3 Folgen, Grenzwerte

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

Mehr

Maß-, Integrationstheorie- und Wahrscheinlichkeitstheorie

Maß-, Integrationstheorie- und Wahrscheinlichkeitstheorie Maß-, Integrationstheorie- und Wahrscheinlichkeitstheorie Vorlesung an der Universität des Saarlandes Version 7.0 Klaus Schindler c K. Schindler 2014 Für A... Inhaltsverzeichnis Inhaltsverzeichnis Vorwort

Mehr

Bernd Dreseler. Integration im IR d. aus der Vorlesung Analysis III. Wintersemester 1990 / 91. Vorlesungsmitschrift von J.Breitenbach.

Bernd Dreseler. Integration im IR d. aus der Vorlesung Analysis III. Wintersemester 1990 / 91. Vorlesungsmitschrift von J.Breitenbach. Bernd Dreseler Integration im IR d aus der Vorlesung Analysis III Wintersemester 1990 / 91 Vorlesungsmitschrift von JBreitenbach Siegen 2001 Inhaltsverzeichnis Vorbemerkung iv 1 Das Lebesgue Integral im

Mehr

2 Zufallsvariable, Verteilungen, Erwartungswert

2 Zufallsvariable, Verteilungen, Erwartungswert 2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments

Mehr

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

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

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

Mehr

Regulär variierende Funktionen

Regulär 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,

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457. Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

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

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

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

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Der Satz von DESARGUES und der Satz von PAPPOS

Der Satz von DESARGUES und der Satz von PAPPOS Der Satz von DESARGUES und der Satz von PAPPOS Kirstin Strokorb November 2005 Inhaltsverzeichnis 1 Einleitung 2 2 Der Satz von DESARGUES 2 2.1 Das Dualitätsprinzip........................ 3 3 Der Satz

Mehr

Analysis 3. Inhaltsverzeichnis. Franz Merkl (sehr vorläufige Version 1, 14. Juli 2016)

Analysis 3. Inhaltsverzeichnis. Franz Merkl (sehr vorläufige Version 1, 14. Juli 2016) Analysis 3 Franz Merkl (sehr vorläufige Version 1, 14. Juli 2016) Inhaltsverzeichnis 1 Maßtheorie 2 1.1 σ-algebren, Inhalte und Maße......................... 2 1.2 Erzeugendensysteme von σ-algebren.....................

Mehr

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:

Mehr

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

Mehr

Übungen zur Wahrscheinlichkeitstheorie und Statistik

Übungen zur Wahrscheinlichkeitstheorie und Statistik Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils

Mehr

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

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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

8 Die Riemannsche Zahlenkugel

8 Die Riemannsche Zahlenkugel 8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2

Mehr

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als

Mehr

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei

Mehr

n=1 a n mit reellen Zahlen a n einen

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

Mehr

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

Symmetrien. Transformationen. Affine und euklidische Räume Symmetrien Transformationen Der Gruppenbegriff entwickelte sich aus dem Begriff der Transformationsgruppe. In dieser Form tauchen auch die meisten Gruppen in der Mathematik, Physik, Chemie, Kristallographie,

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

11 Logarithmus und allgemeine Potenzen

11 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

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Geometrische Mannigfaltigkeiten

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

Mehr

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit. Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die

Mehr

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss. 1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 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

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

Mengen und Abbildungen

Mengen 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

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

28. Integralrechnung im Mehrdimensionalen

28. Integralrechnung im Mehrdimensionalen 28. Integralrechnung im Mehrdimensionalen 355 28. Integralrechnung im Mehrdimensionalen Wir haben nun das Studium der Differenzierbarkeit in mehreren Veränderlichen beendet und werden uns als Nächstes

Mehr

fraktal kommt von f : C C : x x 3.

fraktal kommt von f : C C : x x 3. Kapitel 4 Fraktale und Dimension 4.1 Selbstähnlichkeit Was sind Fraktale? Das Wort fraktal kommt von zerbrochen und steht für die nicht-ganzzahlige Dimension. Wir betrachten also Objekte deren Dimension

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine 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,...

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel 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

Mehr