Maß- und Integrationstheorie

Größe: px
Ab Seite anzeigen:

Download "Maß- und Integrationstheorie"

Transkript

1 Maß- und Integrationstheorie Klaus Ritter Kaiserslautern, SS 2014 Literatur Insbesondere J. Elstrodt, Maß- und Integrationstheorie, Springer, Berlin, 1. Auflage 1996, 7. Auflage Vorkenntnisse Grundlagen der Mathematik Fortsetzung Die Inhalte der Vorlesung sind grundlegend für die Veranstaltungen Funktionalanalysis und Wahrscheinlichkeitstheorie und damit für jede Vertiefung in den Gebieten Funktionalanalysis oder Stochastik.

2 Inhaltsverzeichnis I Einleitung 1 II σ-algebren und meßbare Abbildungen 4 1 Mengensysteme Borelsche Mengen Meßbare Abbildungen III Inhalte und Maße 15 1 Grundbegriffe Fortsetzungssätze Das k-dimensionale Lebesgue-Maß IV Das Lebesgue-Integral 26 1 Definition und Eigenschaften Maße mit Dichten L p -Räume V Produktmaße 39 1 Produkträume Produktmaße A Zum Lebesgue-Integral der GdM II 52 Literatur 55 Definitionen 56 ii

3 Kapitel I Einleitung Wir präsentieren die Begriffe Maß und Integral. Gegeben: eine Menge Ω und eine Menge A P(Ω) mit den Eigenschaften (i) Ω A, (ii) A 1, A 2,... A n=1 A n A, (iii) A A A c A. Eine Abbildung µ : A [0, ] heißt Maß auf A, falls (i) µ( ) = 0, (ii) A 1, A 2,... A paarweise disjunkt µ Beispiele: ( A i ) = µ(a i). (i) Ω = R d oder Ω Sphäre in R d und µ(a) Längenmaß, Flächeninhalt, Volumen etc. einer meßbaren Menge A Ω, (ii) Ω abzählbar, Ω = R N oder Ω = C([0, T ]) und µ(a) Wahrscheinlichkeit eines Ereignisses A Ω, wobei µ(ω) = 1. Ein Thema der Vorlesung ist die Konstruktion von Maßen µ durch eindeutige Fortsetzung von geeigneten Abbildungen µ : A 0 [0, ] auf kleinen Mengen A 0 zu einem Maß auf A. Dies geschieht ohne Annahmen an die Struktur von Ω. Das Ziel A = P(Ω) läßt sich oft nicht erreichen. Gegeben: eine Menge Ω und eine Menge L R Ω mit den Eigenschaften (i) L Vektorraum, (ii) f L f L, (iii) f L min(f, 1) L. 1

4 I. Einleitung 2 Eine Abbildung I : L R heißt abstraktes Integral, falls (i) I linear, (ii) f L f 0 I(f) 0, (iii) f 1, f 2,... L mon. wachsend sup n N f n L I(sup n N f n ) = sup n N I(f n ). Beispiele: (i) Ω = R d oder Ω Sphäre in R d und I(f) Mittelwert einer integrierbaren Funktion f : Ω R, (ii) Ω abzählbar, Ω = R N oder Ω = C([0, T ]) und I(f) Erwartungswert einer integrierbaren Zufallsvariable f : Ω R. Ein Thema der Vorlesung ist die Konstruktion abstrakter Integrale mit Hilfe von Maßen µ, ausgehend von A A 1 A L I(1 A ) = µ(a), und ohne Annahmen über die Struktur von Ω. Der Weg vom Integral zum Maß wird in Floret (1981) vorgestellt. Im Spezialfall einer beschränkten Menge Ω R d steht das Riemann-Integral zur Verfügung. Wir betrachten den Vektorraum R(Ω) der Riemann-integrierbaren Funktionen f : Ω R. Das Riemann-Integral besitzt u.a. folgende Mängel. (i) Sei Ω ein kompakter Quader. Genau dann gilt f R(Ω), wenn f beschränkt und fast überall stetig ist, siehe Elstrodt (2011, Satz IV.6.1) sowie Bemerkung IV.1.3 und Übung 2.2. Hiermit ist teilweise nicht leicht zu klären, ob f R(Ω) für eine unstetige beschränkte Funktion f gilt. (ii) Sei Ω kompakt und gelte f C(Ω). Daraus folgt nicht f R(Ω), siehe Elstrodt (2011, Aufg. II.8.1) und (i). (iii) Für f 1, f 2,... R(Ω) und f : Ω R gelte und ω Ω : lim f n (ω) = f(ω) sup n N sup f n (ω) <. ω Ω Daraus folgt nicht f R(Ω). Gegenbeispiel: Ω = [0, 1] und f = 1 Q [0,1]. (iv) Der Raum R(Ω), versehen mit der Halbnorm f = f(ω) dω, ist nicht vollständig. Gegenbeispiel: Übung 5.1.b. Ω

5 I. Einleitung 3 (v) Die Behandlung unbeschränkter Mengen Ω R d oder unbeschränkter Funktionen f erfordert eine neue Begriffsbildung (uneigentliches Riemann-Integral) und bleibt dennoch unbefriedigend. Die Vorlesung liefert insbesondere eine diese Mängel vermeidende Fortsetzung des Riemann-Integrals auf Menge von Funktionen, die R(Ω) umfaßt.

6 Kapitel II σ-algebren und meßbare Abbildungen 1 Mengensysteme Mit Blick auf die Konstruktion von Maßen studieren wir Systeme von Teilmengen einer gegebenen Menge, die abgeschlossen gegenüber gewissen Mengenoperationen sind. Gegeben: eine Menge Ω und eine Menge A P(Ω) von Teilmengen von Ω. Setze Definition 1. { n A + = } A i : n N A 1,..., A n A paarweise disjunkt. (i) A schnittstabil, falls A, B A A B A. (ii) A vereinigungsstabil, falls A, B A A B A. (iii) A Semi-Algebra 1 (in Ω), falls (a) Ω A, (b) A schnittstabil, (c) A A A c A +. (iv) A Algebra (in Ω) falls (a) Ω A, (b) A schnittstabil, (c) A A A c A. 1 Elstrodt (2011) betrachtet sogenannte Halbringe; es gilt: A Semi-Algebra A Halbring Ω A. 4

7 II.1. Mengensysteme 5 (v) A σ-algebra (in Ω), falls (a) Ω A, (b) A 1, A 2,... A n=1 A n A, (c) A A A c A. Bemerkung 1. (i) A σ-algebra A Algebra A Semi-Algebra. (ii) A schnittstabil A + schnittstabil. (iii) A Algebra und A 1, A 2 A A 1 A 2, A 1 \ A 2, A 1 A 2 A. (iv) A σ-algebra und A 1, A 2,... A n=1 A n A. Beispiel 1. (i) Sei Ω = R. Die Menge I = {]a, b] : a, b R a < b} {], b] : b R} {]a, [ : a R} {R, } von Intervallen ist eine Semi-Algebra, aber keine Algebra. (ii) {A P(Ω) : A endlich oder A c endlich} ist eine Algebra, aber im allgemeinen keine σ-algebra. (iii) {A P(Ω) : A abzählbar oder A c abzählbar} ist eine σ-algebra. (iv) P(Ω) ist die größte σ-algebra in Ω, {, Ω} ist die kleinste σ-algebra in Ω. Definition 2. A Dynkin-System (in Ω), falls (i) Ω A, (ii) A 1, A 2,... A paarweise disjunkt n=1 A n A, (iii) A 1, A 2 A A 1 A 2 A 2 \ A 1 A. Bemerkung 2. A σ-algebra A Dynkin-System. Satz 1. Für jedes Dynkin-System A gilt A σ-algebra A schnittstabil. Beweis. : Für A A gilt A c = Ω \ A A, da A Dynkin-System. Für A, B A gilt A B = A (B \ (A B)) A, da A auch schnittstabil. Für A 1, A 2,... A und B m = m n=1 A n ergibt sich somit B m A und A n = (B m \ B m 1 ) A, wobei B 0 =. n=1 m=1

8 II.1. Mengensysteme 6 Bemerkung 3. Betrachte σ-algebren (Algebren, Dynkin -Systeme) A i für i I. Dann ist i I A i eine σ-algebra (Algebra, Dynkin-System). Siehe auch Übung 1.1.a). Gegeben: eine Menge E P(Ω) von Teilmengen von Ω. Definition 3. Die von E erzeugte σ-algebra ist σ(e) = {A : A σ-algebra in Ω E A}. Analog α(e) die von E erzeugte Algebra, δ(e) das von E erzeugte Dynkin-System. Bemerkung 4. Für γ {σ, α, δ} und E, E 1, E 2 P(Ω) gilt (i) γ(e) ist das kleinste γ-system, das E enthält, (ii) E 1 E 2 γ(e 1 ) γ(e 2 ), (iii) γ(γ(e)) = γ(e). Beispiel 2. Seien Ω = N und E = {{n} : n N}. Dann α(e) = {A P(Ω) : A endlich oder A c endlich}. Beweis: Die rechte Seite A ist eine Algebra, siehe Beispiel 1.(ii), und E A. Somit α(e) A. Für jede endliche Menge A Ω gilt andererseits A = n A {n} α(e), und für jede Menge A Ω mit endlichem Komplement gilt A = (A c ) c α(e). Dies zeigt A α(e). Ferner σ(e) = P(N), Satz 2. E schnittstabil σ(e) = δ(e). Beweis. Bemerkung 2 sichert Wir zeigen Dann sichert Satz 1 Setze so daß (1) äquivalent zu ist. Man prüft leicht nach, daß Da E schnittstabil, ergibt sich ferner δ(e) σ(e). δ(e) = P(N). δ(e) schnittstabil. (1) σ(e) δ(e). C B = {C Ω : C B δ(e)}, B δ(e), B δ(e) : δ(e) C B (2) B δ(e) : C B Dynkin-System. (3) E E : E C E.

9 II.2. Borelsche Mengen 7 Somit was äquivalent zu ist. Verwende (3), um (2) zu erhalten. E E : δ(e) C E, B δ(e) : E C B Eine Algebra α(e) kann explizit beschrieben werden, siehe Elstrodt (2011, Aufg. I.5.3). Zur entsprechenden Frage für σ-algebren verweisen wir auf Elstrodt (2011, p. 17). Wir halten hier folgendes fest. Lemma 1. E Semi-Algebra α(e) = E +. Beweis. Klar ist E E + α(e). Zu zeigen bleibt, daß E + eine Algebra ist. Details findet man bei Gänssler, Stute (1977, p. 14). Wir diskutieren kurz die Mächtigkeit von σ-algebren. Für jede Menge V gilt 2 V R V N = R V R = {0, 1} R, siehe Hewitt, Stromberg (1965, Exercise 4.34). Satz 3. Gelte E P(Ω) und E 2. Dann σ(e) E N. Beweis. Siehe Hewitt, Stromberg (1965, Theorem 10.13). 2 Borelsche Mengen Wir studieren σ-algebren, die von Topologien erzeugt werden. Definition 1. (Ω, G) topologischer Raum, falls G P(Ω) mit (i), Ω G, (ii) G schnittstabil, (iii) für jede Familie (G i ) i I mit G i G gilt i I G i G. Die Elemente G G heißen offene Teilmengen von Ω, ihre Komplemente heißen abgeschlossene Teilmengen von Ω. In der Regel betrachten wir folgende Situation. Beispiel 1. Sei (Ω, ρ) ein metrischer Raum. Für G Ω gelte G G genau dann, wenn ω G r > 0 : {ω Ω : ρ(ω, ω ) < r} G. Dann ist (Ω, G) ein topologischer Raum; man spricht von der durch ρ induzierten Topologie.

10 II.2. Borelsche Mengen 8 Auf Ω = R k betrachten wir stets die durch die euklidische Metrik induzierte Topologie; das entsprechende System offener Mengen wird mit G k bezeichnet. Auf der Menge R = R {, } der erweiterten reellen Zahlen betrachten wir stets die durch ρ(a, b) = f(a) f(b) mit { a, falls a R, 1+ a f(a) = ±1, falls a = ± induzierte Topologie. Für spätere Zwecke definieren wir für a R (± ) + (± ) = a + (± ) = (± ) + a = ±, a/ ± = 0, ±, falls a > 0, a (± ) = (± ) a = 0, falls a = 0,, falls a < 0 sowie < a <. Damit enthält I aus Beispiel 1.1.(i) genau die Mengen der Form {x R : a < x b}, a, b R. Ferner ist O R genau dann offen, wenn O R G 1 und, falls O oder O, auch ]a, ] O bzw. [, a[ O für eine reelle Zahl a gilt. Für eine Folge (x n ) n N in R gilt lim x n = ± genau dann, wenn für alle M ]0, [ eine ganze Zahl n 0 existiert, so daß x n ±M für alle n n 0 gilt. Auf Ω = C([0, T ]) betrachten wir stets die durch induzierte Topologie. ρ(ω, ω ) = sup ω(t) ω (t), ω, ω C([0, T ]), t [0,T ] Definition 2. Sei (Ω, G) ein topologischer Raum. Eine Menge K Ω heißt kompakt, falls für jede Familie (G i ) i I mit G i G und K i I G i eine endliche Menge I 0 I mit existiert. K i I 0 G i Bemerkung 1. Für Ω = R k gilt: K Ω ist genau dann kompakt, wenn K abgeschlossen und beschränkt ist. Für Ω = C([0, T ]) wird die Kompaktheit im Satz von Arzelà-Ascoli charakterisiert, siehe Werner (2011, Satz II.3.4).

11 II.3. Meßbare Abbildungen 9 Definition 3. Für einen topologischen Raum (Ω, G) heißt B(Ω) = σ(g) die Borelsche σ-algebra (in Ω bzgl. G). Die Elemente A B(Ω) heißen Borel-Mengen. Notation: B k = B(R k ), B = B 1, B = B(R). Bemerkung 2. Es gilt und B k = σ({f R k : F abgeschlossen}) = σ({k R k : K kompakt}) = σ({], a] : a R k }) = σ({], a] : a Q k }) B = {B R : B R B}. (1) Da B k und R k dieselbe Mächtigkeit besitzen, was sich aus Satz 1.3 ergibt, folgt Siehe auch Bemerkung III.3.3. B k P(R k ). Definition 4. Für eine σ-algebra A in Ω und Ω Ω heißt à = { Ω A : A A} die Spur-σ-Algebra von A in Ω; sie wird gelegentlich mit Ω A bezeichnet. Bemerkung 3. (i) à ist eine σ-algebra. (ii) Im allgemeinen gilt à A, aber Ω A à = {A A : A Ω}. (iii) A = σ(e) à = σ({ Ω E : E E}). (iv) [a, b[ B k = σ({[a, c[ : a c b}), siehe (iii). 3 Meßbare Abbildungen Definition 1. (Ω, A) heißt Meßraum, falls Ω eine nicht-leere Menge und A eine σ- Algebra in Ω ist. Die Elemente A A heißen meßbare Mengen. Wir studieren strukturverträgliche Abbildungen zwischen Meßräumen. Dazu betrachten wir Meßräume (Ω i, A i ) für i = 1, 2, 3. Bemerkung 1. Sei f : Ω 1 Ω 2. (i) f 1 (A 2 ) = {f 1 (A) : A A 2 } ist eine σ-algebra in Ω 1. (ii) {A Ω 2 : f 1 (A) A 1 } ist eine σ-algebra in Ω 2.

12 II.3. Meßbare Abbildungen 10 Definition 2. f : Ω 1 Ω 2 heißt A 1 -A 2 -meßbar, falls f 1 (A 2 ) A 1. Beispiel 1. Sei f : Ω 1 Ω 2. (i) f konstant f A 1 -A 2 -meßbar. (ii) Seien Ω 2 = {0, 1} und A 2 = P(Ω 2 ). Dann f A 1 -A 2 -meßbar A A 1 : f = 1 A. Wie läßt sich die Meßbarkeit einer gegebenen Abbildung nachweisen? Satz 1. Falls f : Ω 1 Ω 2 A 1 -A 2 -meßbar und g : Ω 2 Ω 3 A 2 -A 3 -meßbar sind, so ist g f : Ω 1 Ω 3 A 1 -A 3 -meßbar. Beweis. Es gilt (g f) 1 (A 3 ) = f 1 (g 1 (A 3 )) f 1 (A 2 ) A 1. Lemma 1. Für f : Ω 1 Ω 2 und E P(Ω 2 ) gilt f 1 (σ(e)) = σ(f 1 (E)). Beweis. Aus f 1 (E) f 1 (σ(e)) und Bemerkung 1.(i) ergibt sich σ(f 1 (E)) f 1 (σ(e)). Sei F = {A Ω 2 : f 1 (A) σ(f 1 (E))}. Dann E F, und F ist eine σ-algebra, siehe Bemerkung 1.(ii). Somit σ(e) F, d.h. f 1 (σ(e)) σ(f 1 (E)). Satz 2. Gelte A 2 = σ(e) mit E P(Ω 2 ). Dann f 1 (E) A 1 f A 1 -A 2 -meßbar. Beweis. : Gelte f 1 (E) A 1. Lemma 1 sichert f 1 (A 2 ) = f 1 (σ(e)) = σ(f 1 (E)) σ(a 1 ) = A 1. : klar. Korollar 1. Für jedes Paar topologischer Räume (Ω 1, G 1 ) und (Ω 2, G 2 ) und jede Abbildung f : Ω 1 Ω 2 gilt Beweis. Nach Voraussetzung Verwende Satz 2. f stetig f B(Ω 1 )-B(Ω 2 )-meßbar. f 1 (G 2 ) G 1 σ(g 1 ) = B(Ω 1 ). Gegeben: Mengen Ω und I, Meßräume (Ω i, A i ) und Abbildungen f i : Ω Ω i für i I. Definition 3. Die von (f i ) i I (und (A i ) i I ) erzeugte σ-algebra 2 ist ( ) σ({f i : i I}) = σ f 1 i (A i ). Notation σ(f) = σ({f}) im Fall I = 1 und f = f i. i I 2 Bei Elstrodt (2011) als Initial-σ-Algebra bezeichnet.

13 II.3. Meßbare Abbildungen 11 Bemerkung 2. σ({f i : i I}) ist die kleinste σ-algebra A in Ω, für die alle Abbildungen f i A-A i -meßbar sind. Satz 3. Für jeden Meßraum ( Ω, Ã) und jede Abbildung g : Ω Ω gilt g Ã-σ({f i : i I})-meßbar i I : f i g Ã-A i-meßbar. Beweis. Aus Lemma 1 folgt ( )) ( ) g 1 (σ({f i : i I})) = σ (g 1 f 1 i (A i ) = σ (f i g) 1 (A i ). i I i I Somit g 1 (σ({f i : i I})) Ã i I : f i g Ã-A i-meßbar. Beispiel 2. Betrachte Ω = R k und (Ω i, A i ) = (R, B) für i I = {1,..., k} zusammen mit den durch f i (x 1,..., x k ) = x i definierten Projektionen. Es gilt Beweis: Korollar 1 sichert σ({f 1,..., f k }) = B k. σ({], a] : a R k }) σ({f 1,..., f k }) B k, und gemäß Bemerkung 2.2 gilt σ({], a] : a R k }) = B k. Wir untersuchen den wichtigen Spezialfall von Abbildungen mit Werten in R oder R, und wir betrachten die Borelsche σ-algebra in R bzw. R. Für beliebige Meßräume (Ω, A) setzen wir Z(Ω, A) = {f : Ω R : f A-B-meßbar}, Z + (Ω, A) = {f Z(Ω, A) : f 0}, Z(Ω, A) = { f : Ω R : f A-B-meßbar }, Z + (Ω, A) = { f Z(Ω, A) : f 0 }. Sieht man f : Ω R auch als Funktion mit Werten in R, so ist f Z(Ω, A) äquivalent zu f Z(Ω, A). Korollar 2. Für {, <,, >} und f : Ω R Beweis. Beispielsweise gilt f Z(Ω, A) a R : {ω Ω : f(ω) a} A. {ω Ω : f(ω) a} = f 1 ([, a]) und B = σ({[, a] : a R}), siehe Bemerkung 2.2. Wende Satz 2 an.

14 II.3. Meßbare Abbildungen 12 Satz 4. Für f, g Z(Ω, A) und {, <,, >, =, } gilt {ω Ω : f(ω) g(ω)} A. Beweis. Beispielsweise folgt mit Korollar 2 {ω Ω : f(ω) < g(ω)} = {ω Ω : f(ω) < q < g(ω)} q Q = q Q({ω Ω : f(ω) < q} {ω Ω : g(ω) > q}) A. Wir verwenden die übliche Kurzschreibweise {f A} = {ω Ω : f(ω) A} für f : Ω Ω und A Ω. Satz 5. Für jede Folge f 1, f 2,... Z(Ω, A) gilt (i) inf n N f n, sup n N f n Z(Ω, A), (ii) lim inf f n, lim sup f n Z(Ω, A), (iii) falls (f n ) n N in jedem Punkt ω Ω konvergiert, so gilt lim f n Z(Ω, A). Beweis. Für a R gilt { } inf f n < a = {f n < a}, n N n N { } sup f n a = {f n a}. n N n N Somit folgt (i) aus Korollar 2. Da lim sup f n = inf sup f n, m N n m lim inf f n = sup inf f n, n m m N ergibt sich (ii) aus (i). Schließlich folgt (iii) aus (ii). Mit f + = max(0, f), f = max(0, f) bezeichnen wir den Positiv- bzw. Negativteil von f : Ω R. Bemerkung 3. Für f Z(Ω, A) gilt f +, f, f Z + (Ω, A). Satz 6. Gelte f, g Z(Ω, A). f ± g, f g, f/g Z(Ω, A), falls die jeweilige Abbildung wohldefiniert ist.

15 II.3. Meßbare Abbildungen 13 Beweis. Wir verwenden wiederum Korollar 2. Der Einfachheit halber seien f und g reellwertig. Aus g Z(Ω, A) folgt g Z(Ω, A), und für alle a R gilt {f + g < a} = q Q{f < q} {g < a q}. Dies zeigt f ± g Z(Ω, A). Offenbar gilt f g Z(Ω, A), falls f konstant ist. Ferner definiert x x 2 eine B-B-meßbare Funktion, siehe Korollar 1, und f g = 1/4 ((f + g) 2 (f g) 2). Satz 1 sichert f g Z(Ω, A). Schließlich folgt aus g Z(Ω, A), daß 1/g Z(Ω, A), wie leicht zu zeigen ist. Definition 4. f Z(Ω, A) heißt einfache Funktion 3, falls f(ω) <. Setze S(Ω, A) = {f Z(Ω, A) : f einfache Funktion}, S + (Ω, A) = {f S(Ω, A) : f 0}. Bemerkung 4. f S(Ω, A) genau dann, wenn f = n α i 1 Ai mit paarweise verschiedenen α 1,..., α n R und paarweise disjunkten A 1,..., A n A, so daß n A i = Ω. Satz 7. Für jede (beschränkte) Funktion f Z + (Ω, A) existiert eine Folge f 1, f 2,... S + (Ω, A), so daß f n f (gleichmäßig). Beweis. Für n N setzen wir A n,k = {(k 1)/(2 n ) f < k/(2 n )}, B n = {f n}. Dann leistet das Verlangte. f n = n 2 n k=1 k 1 2 n 1 An,k + n 1 Bn Gegeben: eine Abbildung T : Ω 1 Ω 2 und eine σ-algebra A 2 in Ω 2. Wir charakterisieren die Meßbarkeit von Funktionen bzgl. σ(t ) = T 1 (A 2 ). Satz 8 (Faktorisierungslemma). Für jede Abbildung f : Ω 1 R gilt f Z(Ω 1, σ(t )) g Z(Ω 2, A 2 ) : f = g T. 3 Bei Elstrodt (2011) als Treppenfunktion bezeichnet.

16 II.3. Meßbare Abbildungen 14 Beweis. : klar. : 1. Fall: f S + (Ω 1, σ(t )), d.h. f = n α i 1 Ai mit paarweise disjunkten A 1,..., A n σ(t ). Wähle paarweise disjunkte B 1,..., B n A 2 mit A i = T 1 (B i ), und setze g = n α i 1 Bi. Offenbar f = g T und g Z(Ω 2, A 2 ). 2. Fall: f Z + (Ω 1, σ(t )). Wähle eine Folge (f n ) n N in S + (Ω 1, σ(t )) gemäß Satz 7. Bereits bekannt ist f n = g n T mit geeigneten g n Z(Ω 2, A 2 ). Somit f = sup n für g = sup n g n Z(Ω 2, A 2 ). f n = sup n Im allgemeinen Fall ist bereits bekannt, daß (g n T ) = (sup g n ) T = g T n f + = g 1 T, f = g 2 T mit geeigneten g 1, g 2 Z(Ω 2, A 2 ). Setze C = {g 1 = g 2 = } A 2, und beachte, daß T (Ω 1 ) C =, da f = f + f. Fazit: f = g T mit g = g 1 1 D g 2 1 D Z(Ω 2, A 2 ) für D = C c. Die Beweismethode für Satz 8 wird auch als algebraische Induktion bezeichnet.

17 Kapitel III Inhalte und Maße Wir studieren die Konstruktion und Eigenschaften von Maßen. Speziell erhalten wir das k-dimensionale Lebesgue-Maß auf den Borel-Mengen in R k. 1 Grundbegriffe Gegeben: Ω und A P(Ω). Definition 1. µ : A [0, ] heißt (i) additiv, falls A, B A A B = A B A µ(a B) = µ(a) + µ(b), (ii) σ-additiv, falls ( ) A 1, A 2,... A paarweise disjunkt A i A µ A i = µ(a i ), (iii) Inhalt 1 (auf A), falls A Algebra µ additiv µ( ) = 0, (iv) Prämaß 2 (auf A), falls A Semi-Algebra µ σ-additiv µ( ) = 0, (v) Maß (auf A), falls A σ-algebra µ Prämaß, (vi) Wahrscheinlichkeitsmaß (auf A), falls µ Maß µ(ω) = 1. 1 Abweichend von der Terminologie bei Elstrodt(2011). 2 Dito. 15

18 III.1. Grundbegriffe 16 Definition 2. (Ω, A, µ) heißt (i) Maßraum, falls µ ein Maß auf einer σ-algebra A in Ω ist, (ii) Wahrscheinlichkeitsraum, falls µ ein Wahrscheinlichkeitsmaß auf einer σ-algebra A in Ω ist. Beispiel 1. (i) Für jede Semi-Algebra A in Ω und ω Ω definiert ε ω (A) = 1 A (ω), A A, ein Prämaß. Im Fall einer σ-algebra A heißt ε ω das Dirac-Maß im Punkt ω. Allgemeiner: wähle Folgen (ω n ) n N in Ω und (α n ) n N in R + mit n=1 α n = 1. Dann definiert µ(a) = α n 1 A (ω n ), A A, n=1 ein diskretes Wahrscheinlichkeitsmaß auf einer beliebigen σ-algebra A in Ω. Beachte µ = n=1 α n ε ωn. (ii) Zählmaß auf einer σ-algebra A µ(a) = A, A A. Gleichverteilung im Fall Ω < und A = P(Ω) µ(a) = A Ω, A Ω. (iii) Auf der Algebra A = {A Ω : A endlich oder A c endlich} sei { 0, falls A < µ(a) =, falls A =. Dann ist µ ein Inhalt, aber im allgemeinen kein Prämaß. Bemerkung 1. Für jeden Inhalt µ auf A und A, B A gilt (i) A B µ(a) µ(b) (Monotonie), (ii) A B µ(a) < µ(b \ A) = µ(b) µ(a), (iii) µ(a B) + µ(a B) = µ(a) + µ(b), (iv) µ(a B) µ(a) + µ(b) (Subadditivität), (v) µ(a) < µ(b) < µ(a) µ(b) µ(a B).

19 III.1. Grundbegriffe 17 Zum Beweis verwende man beispielsweise A B = A (B A c ). Satz 1. Betrachte folgende Eigenschaften eines Inhalts µ auf A: (i) µ Prämaß, (ii) A 1, A 2,... A A i A µ ( A i) µ(a i) (σ-subadditivität), (iii) A 1, A 2,... A A n A A lim µ(a n ) = µ(a) (σ-stetigkeit von unten), (iv) A 1, A 2,... A A n A A µ(a 1 ) < lim µ(a n ) = µ(a) (σ-stetigkeit von oben), (v) A 1, A 2,... A A n µ(a 1 ) < lim µ(a n ) = 0 (σ-stetigkeit in ). Dann Falls µ(ω) <, dann (iii) (iv). (i) (ii) (iii) (iv) (v). Beweis. (i) (ii) : Setze B m = m A i und B 0 =. Dann A i = (B m \ B m 1 ) m=1 mit paarweise disjunkten Mengen B m \ B m 1 A. Offenbar B m \ B m 1 A m. Somit zeigt Bemerkung 1.(i) ( ) µ A i = µ(b m \ B m 1 ) m=1 µ(a m ). (ii) (i) : Seien A 1, A 2,... A paarweise disjunkt mit A i A. Dann ( ) ( n ) n µ A i µ A i = µ(a i ), und deshalb ( µ(a i ) µ A i ). Die Umkehrung gilt nach Voraussetzung. m=1 (i) (iii) : Setze A 0 = und B m = A m \ A m 1. Dann ( ) n ( n µ A i = µ(b m ) = lim µ(b m ) = lim µ m=1 m=1 m=1 B m ) = lim µ(a n ). (iii) (i) : Seien A 1, A 2,... A paarweise disjunkt mit A i A, setze B m = m A i. Dann B m A i und ( µ A i ) = lim m µ(b m) = µ(a i ).

20 III.1. Grundbegriffe 18 (iv) (v) : trivial. (v) (iv) : Verwende B n = A n \ A. (i) (v) : Beachte µ(a 1) = µ(a i \ A i+1 ). Hiermit 0 = lim k i=k µ(a i \ A i+1 ) = lim k µ(a k ). (iv) µ(ω) < (iii) : Aus A n A folgt offenbar A c n A c. Somit µ(a) = µ(ω) µ(a c ) = lim (µ(ω) µ(a c n)) = lim µ(a n ). Gegeben: ein Maßraum (Ω, A, µ), ein Meßraum (Ω, A ) und eine A-A -meßbare Abbildung f : Ω Ω. Lemma 1. definiert ein Maß auf A. f(µ) : A [0, ] A µ(f 1 (A )) = µ({f A }) Beweis. f(µ) ist wohldefiniert, da f 1 (A ) A für A A. Man verifiziert leicht die geforderten Eigenschaften von f(µ). Definition 3. f(µ) heißt das Bildmaß von µ bzgl. f. Bemerkung 2. Seien (Ω, A, µ) ein Wahrscheinlichkeitsraum und f : Ω R A-Bmeßbar. In der Stochastik heißt jede solche Abbildung (reellwertige) Zufallsvariable, und das Wahrscheinlichkeitsmaß f(µ) auf B heißt die Verteilung von f (bzgl. µ). Die durch F (x) = µ({f x}) = f(µ)(], x]), x R, definierte Funktion F : R [0, 1] heißt die Verteilungsfunktion von f (bzgl. µ). Mit Bemerkung 1 und Satz 1 folgt (i) F ist monoton wachsend, (ii) F ist rechtsseitig stetig, (iii) lim x F (x) = 0 und lim x F (x) = 1. Frage: Ist die Verteilung von f durch die Verteilungsfunktion von f eindeutig bestimmt? Ist jede Funktion F : R [0, 1] mit (i) (iii) die Verteilungsfunktion einer Zufallsvariable (auf einem geeigneten Wahrscheinlichkeitsraum)? Siehe Übung 3.4.

21 III.2. Fortsetzungssätze 19 2 Fortsetzungssätze Die folgenden Ergebnisse sind Grundlage der meisten maß- bzw. wahrscheinlichkeitstheoretischen Konstruktionen. Satz 1. Für jede Semi-Algebra A und jede additive Abbildung µ : A [0, ] mit µ( ) = 0 gilt 1 µ Inhalt auf α(a) : µ A = µ. Ist µ überdies σ-additiv, so gilt dies auch für µ. Beweis. Es gilt α(a) = A +, siehe Lemma II.1.1. Notwendigerweise ( n ) n µ A i = µ(a i ) (1) für paarweise disjunkte A 1,..., A n A. Verwende (1), um eine wohldefinierte Fortsetzung von µ auf α(a) zu erhalten. Es bleibt zu zeigen, daß µ additiv bzw. σ-additiv ist. Siehe Elstrodt (2011, Satz II.1.6). Satz 2 (Carathéodory (1914)). Für jedes Prämaß µ auf einer Algebra A µ Maß auf σ(a): µ A = µ. Beweis. Definiere µ : P(Ω) [0, ] durch { µ(a) = inf µ(a i ) : A i A, A A i }. Dann ist µ ein äußeres Maß, d.h. µ( ) = 0 und µ ist monoton und σ-subadditiv, siehe Elstrodt(2011, p. 54). Dies folgt bereits aus µ 0 und A mit µ( ) = 0. Wir zeigen (i) µ A = µ, (ii) A A B P(Ω) : µ(b) = µ(b A) + µ(b A c ). Ad (i): Für A A µ(a) µ(a) + und für A i A mit A A i folgt ( ) µ(a) = µ (A i A) aus Satz 1.1.(ii). µ( ) = µ(a), i=2 µ(a i A) µ(a i ) Ad (ii): gilt aufgrund der Subadditivität von µ, und ist leicht zu zeigen. Betrachte die Menge A = A µ = {A P(Ω) : B P(Ω) : µ(b) = µ(b A) + µ(b A c )} der sogenannten µ-meßbaren Mengen.

22 III.2. Fortsetzungssätze 20 Wir zeigen (iii) A 1, A 2 A B P(Ω) : µ(b) = µ(b (A 1 A 2 )) + µ(b (A 1 A 2 ) c ). (iv) A Algebra. Ad (iii): Es gilt µ(b) = µ(b A 1 ) + µ(b A c 1) = µ(b A 1 A 2 ) + µ(b A 1 A c 2) + µ(b A c 1) und µ(b (A 1 A 2 ) c ) = µ(b A c 1 B A c 2) = µ(b A c 2 A 1 ) + µ(b A c 1). Ad (iv): Offenbar Ω A, A A A c A, und A ist wegen (iii) schnittstabil. Wir zeigen (v) A 1, A 2 A disjunkt B P(Ω) : µ(b (A 1 A 2 )) = µ(b A 1 )+µ(b A 2 ). In der Tat, da A 1 A 2 =, µ(b (A 1 A 2 )) = µ(b A 1 ) + µ(b A 2 A c 1) = µ(b A 1 ) + µ(b A 2 ). Wir zeigen (vi) A 1, A 2,... A paarweise disjunkt ( ) A i A µ A i = µ(a i ). Sei B P(Ω). Aus (iv), (v) und der Monotonie von µ folgt ( µ(b) = µ B n ) ( A i + µ B ( n ) c ) A i n ( ( ) c µ(b A i ) + µ B A i ). Mittels σ-subadditivität von µ ergibt sich µ(b) ( µ B µ(b). ( µ(b A i ) + µ B ) ( A i + µ B ( ) c ) A i ( ) c ) A i Somit A i A. Wähle B = A i, um die σ-additivität von µ A zu erhalten.

23 III.2. Fortsetzungssätze 21 Fazit: A ist eine σ-algebra, siehe (iv), (vi) und Satz II.1.1, A A wegen (ii), und somit σ(a) A, µ A ist ein Maß mit µ A = µ, siehe (vi) und (i). Setze µ = µ σ(a). Bemerkung 1. Die Fortsetzung gemäß Satz 2 ist im allgemeinen nicht eindeutig bestimmt. Betrachte beispielsweise Ω = R und { 0, falls A = f(a) =, A R., sonst Dann definiert µ = f A ein Prämaß auf der Semi-Algebra A = I 1. Wir erhalten (i) eine eindeutige Fortsetzung von µ zu einem Prämaß µ auf A +, nämlich µ = f A +, (ii) das äußere Maß µ = f, (iii) σ(a) = σ(a + ) = B. Für das Zählmaß µ 1 auf B und für das Maß µ 2 = f B gemäß Satz 2 gilt Definition 1. µ : A [0, ] heißt (i) σ-endlich, falls µ 1 µ 2 µ 1 A + = µ 2 A +. B 1, B 2,... A paarweise disjunkt : Ω = (ii) endlich, falls Ω A und µ(ω) <. Satz 3. Für Maße µ 1, µ 2 auf A und A 0 A mit (i) σ(a 0 ) = A und A 0 schnittstabil, B i i N : µ(b i ) <, (ii) µ 1 A0 ist σ-endlich, (iii) µ 1 A0 = µ 2 A0 gilt µ 1 = µ 2.

24 III.2. Fortsetzungssätze 22 Beweis. Wähle B i gemäß Definition 1 mit A 0 statt A, und setze D i = {A A : µ 1 (A B i ) = µ 2 (A B i )}. Offenbar ist D i ein Dynkin-System und A 0 D i. Satz II.1.2 sichert D i A = σ(a 0 ) = δ(a 0 ) D i. Somit A = D i und für A A µ 1 (A) = µ 1 (A B i ) = µ 2 (A B i ) = µ 2 (A). Korollar 1. Für jede Semi-Algebra A und jedes σ-endliche Prämaß µ auf A Beweis. Verwende die Sätze 1, 2 und 3. 1 µ Maß auf σ(a) : µ A = µ. Für ein Prämaß µ auf einer Algebra A liefert die Carathéodory-Konstruktion die Fortsetzungen ( Ω, σ(a), µ σ(a) ), ( Ω, Aµ, µ Aµ ). (2) Um wieviel größer ist A µ als σ(a)? Definition 2. Ein Maßraum (Ω, A, µ) heißt vollständig, falls für N µ A N µ = {B P(Ω) : A A : B A µ(a) = 0}. Satz 4. Sei (Ω, A, µ) ein Maßraum. Definiere und Dann A µ = {A N : A A, N N µ } µ(a N) = µ(a), A A, N N µ. (i) µ ist wohldefiniert, und (Ω, A µ, µ) ist ein vollständiger Maßraum mit µ A = µ, genannt die Vervollständigung von (Ω, A, µ), (ii) für jeden vollständigen Maßraum (Ω, Ǎ, ˇµ) mit Ǎ A und ˇµ A = µ gilt Ǎ Aµ und ˇµ A µ = µ. Beweis. Siehe Elstrodt (2011, p. 64). Bemerkung 2. Man zeigt leicht, daß ( Ω, A µ, µ Aµ ) in (2) vollständig ist. Im allgemeinen ist ( Ω, σ(a), µ σ(a) ) nicht vollständig, siehe Abschnitt 3. Satz 5. Sei µ ein σ-endliches Prämaß auf einer Algebra A. Dann ist ( Ω, A µ, µ Aµ ) die Vervollständigung von ( Ω, σ(a), µ σ(a) ). Beweis. Siehe Elstrodt (2011, p. 64).

25 III.3. Das k-dimensionale Lebesgue-Maß 23 3 Das k-dimensionale Lebesgue-Maß Wir betrachten zunächst die Semi-Algebra I aus Beispiel II.1.1.(i) und die aus achsenparallelen Rechtecken in R k bestehende Semi-Algebra } I k = A i : A 1,..., A k I. { k Das elementargeometrische Volumen λ k auf I k ist wie folgt definiert. Für k = 1 gilt λ 1 (A) =, falls A I 1 unbeschränkt, und λ 1 (]a, b]) = b a für a, b R mit a b. Für k 2 und A i I 1 gilt λ k ( k A i ) = k λ 1 (A i ). Lemma 1. λ k : I k [0, ] ist additiv. Beweis. Klar für k = 1. Seien k 2 und A, B I k paarweise disjunkt, so daß A B I k. Wir betrachten den nicht-trivialen Fall λ k (A), λ k (B) ]0, [. Nach Voraussetzung gilt A = k A i und B = k B i mit A i, B i I. Es existiert ein i {1,..., k} mit A i B i = und A j = B j für j i. Der Einfachheit halber nehmen wir i = 1 an. Dann λ k (A B) = λ k ((A 1 B 1 ) k j=2 = (λ 1 (A 1 ) + λ 1 (B 1 )) A j ) k λ 1 (A j ) = λ k (A) + λ k (B). j=2 Gemäß Satz 2.1 ist λ k eindeutig zu einem Inhalt auf α(i k ) = I + k wiederum mit λ k bezeichnen. fortsetzbar, den wir Satz 1 (Borel (1894)). λ k : I + k [0, ] ist σ-subadditiv. Beweis. Zu zeigen ist λ k (A) λ k(a i ) für A 1, A 2,... I + k mit A = A i I + k. Gemäß Lemma 1 kann man A, A i I k voraussetzen. Wir betrachten den nichttrivialen Fall, daß A i = ]a i, b i ] mit a i, b i R k für alle i N und λ k (A) > 0. Gelte λ k (A) <, also A = ]a, b] mit a, b R k. Zu ε > 0 wähle man α, β i R k mit [α, b] A λ k (]α, b]) λ k (A) ε, A i ]a i, β i [ λ k (]a i, β i ]) λ k (A i ) + ε/2 i.

26 III.3. Das k-dimensionale Lebesgue-Maß 24 Da [α, b] kompakt, existiert ein n N mit [α, b] n ]a i, β i [. Somit n ( λ k (A) λ k (]α, b]) + ε λk (A i ) + ε/2 i) + ε λ k (A i ) + 2 ε, siehe Bemerkung 1.1.(iv). Gelte λ k (A) =. Zu m > 0 wähle man B I k mit B A und m λ k (B) <. Wir wissen bereits, daß λ k (B) λ k(a i ). Somit λ k(a i ) =. Satz 1.1 zeigt, daß λ k ein Prämaß ist, welches als Lebesguesches Prämaß bezeichnet wird. Die gemäß Korollar 2.1 eindeutig bestimmte Fortsetzung von λ k auf σ(i k ) = B k heißt Lebesgue-Maß auf B k und wird wiederum mit λ k bezeichnet. Betrachte die Vervollständigung ( R k, L k, λ k ) von ( R k, B k, λ k ) mit der sogenannten σ-algebra L k der Lebesgue-meßbaren Mengen und dem Lebesgue-Maß λ k auf L k, für das wir wiederum λ k schreiben. Es gilt B k L k, insbesondere ist (R k, B k, λ k ) nicht vollständig. Wir zeigen dies der Einfachheit halber nur für k = 1. Für die Cantor-Menge C R gilt C B 1 λ 1 (C) = 0 C = R, siehe Übung 4.3. Satz II.1.3 zeigt B 1 = R, während {0, 1} R = P(C) L k {0, 1} R. Bemerkung 1. Bezeichne K die konvexen Mengen in R k. Für k 2 gilt K L k, aber nicht K B k. Siehe Elstrodt (2011, II.7.4). Sei f : [a, b] R Riemann-integrierbar. Dann ist f (L 1 [a, b])-b-meßbar, aber nicht notwendig B([a, b])-b-meßbar. Siehe Bemerkung IV.1.3. Bemerkung 2. Für die in der Vorlesung Grundlagen der Mathematik betrachteten beschränkten Quader Q R k gilt Q B k, und λ k (Q) ist das dort eingeführte Volumen von Q, wie mit Satz 1.1 folgt. Für die dort eingeführten integrierbaren (bzw. Jordan-meßbaren) Mengen A R k gilt A L k, und λ k (A) ist das dort eingeführte Lebesgue-Maß (bzw. Volumen) von A, siehe Korollar A.1. Betrachte die durch f C,b (x) = Cx + b, x R k, für C R k k und b R k definierten affin-linearen Abbildungen. Aus der Stetigkeit folgt die B k -B k -Meßbarkeit von f C,b. Setze f b = f idk,b. Wir studieren das Verhalten des Lebesgue-Maßes unter affin-linearen Abbildungen. Satz 2. Für ein Maß µ auf B k gilt genau dann µ = λ k, wenn (i) µ([0, 1] k ) = 1, (ii) f b (µ) = µ für alle b R k. (Translationsinvarianz)

27 III.3. Das k-dimensionale Lebesgue-Maß 25 Beweis. : Aus λ k (]0, 1] k ) = 1 ergibt sich leicht λ k ([0, 1] k ) = 1. Für b R k und A I k gilt offenbar f b (λ k )(A) = λ k (A). Satz 2.3 sichert f b (λ k ) = λ k. : Setze α = µ(]0, 1]k ). Aus 1 = µ([0, 1] k ) µ(] 1, 1] k ) = 2 k α folgt α > 0. Das Maß ν = 1/α µ ist ebenfalls translationsinvariant und erfüllt ν(]0, 1] k ) = 1. Für beliebige n 1,..., n k N folgt hieraus ) ) k ν ]0, 1/n i ] = ]0, 1/n i ] ( k 1/n i = λ k ( k und weiter ν = λ k auf {]a, b] : a, b Q k }. Satz 2.3 sichert ν = λ k, woraus α = 1 folgt. Satz 3. Sei C R k k regulär. Dann f C,b (λ k ) = 1/ det C λ k. Beweis. Die beschränkten Mengen aus I k bilden einen schnittstabilen Erzeuger von B k. Für jede solche Menge Q gilt (f C,b (λ k ))(Q) = λ k (C 1 (Q b)) = 1/ det C λ k (Q b), siehe Ritter (2014, Satz XI.5.2) oder Elstrodt (2011, p. 91, 92) sowie Bemerkung 2. Wende die Sätze 2 und 2.3 an. Damit ist insbesondere die Bewegungsinvarianz des Lebesgue-Maßes gezeigt. Frage: Läßt sich λ k zu einem translationsinvarianten Maß auf P(R k ) fortsetzen? Satz 4 (Vitali (1905)). Es existiert kein translationsinvariantes Maß µ auf P(R k ) mit µ Bk = λ k. Beweis. Hier im Fall k = 1. Betrachte die durch ω ω falls ω ω Q definierte Äquivalenzrelation auf R und ein zugehöriges Repräsentantensystem R R, d.h. Für q, q Q mit q q gilt ω R 1 r R : ω r. (q + R) (q + R) =. Ferner R = q Q (q + R). Somit = λ 1(R) = µ(r) = q Q µ(r), woraus µ(r) > 0 folgt. Andererseits gilt für a, b R mit a < b µ(r ]a, b]) = µ(q + (R ]a, b])) = µ ( ) q + (R ]a, b]) q Q ]a,b] q Q ]a,b] µ(]2a, 2b]) = 2(b a), woraus µ(r) = 0 folgt. Widerspruch. q Q ]a,b] Bemerkung 3. Obiger Beweis zeigt insbesondere R L 1. Allgemeiner gilt: für alle A L k mit λ k (A) > 0 existiert B A mit B L k, siehe Elstrodt (2011, Satz III.3.4).

28 Kapitel IV Das Lebesgue-Integral 1 Definition und Eigenschaften Gegeben: ein Maßraum (Ω, A, µ). Notation: S + = S + (Ω, A) Menge der nicht-negativen einfachen Funktionen. Kanonische Darstellung von f S + f = x f(ω) Beachte, daß f(ω) endlich und {f = x} A. x 1 {f=x}. Die Definition des Integrals bzgl. µ erfolgt in drei Schritten: für nicht-negative einfache Funktionen, für nicht-negative meßbare Funktionen durch monotone Approximation und im allgemeinen Fall durch Zerlegung in Positiv- und Negativteil. Wir erinnern an den in Kapitel I vorgestellten Begriff des abstrakten Integrals. Definition 1. Integral von f S + bzgl. µ f dµ = x µ({f = x}). x f(ω) Definition 2. (Ω j ) j J meßbare Partition von Ω, falls (i) J abzählbar, (ii) Ω j A für j J, (iii) Ω j Ω l = für j l, (iv) Ω = j J Ω j. Lemma 1. Sei f S +, und sei (Ω j ) j J eine meßbare Partition von Ω, so daß f Ωj mit c j R für alle j J. Dann f dµ = c j µ(ω j ). j J = c j 26

29 IV.1. Definition und Eigenschaften 27 Beweis. Setze J x = {j J : c j = x} für x f(ω). Dann f dµ = x µ(ω j ) = c j µ(ω j ) = c j µ(ω j ). j J x j J x j J x f(ω) x f(ω) Lemma 2. Für f, g S + und c R + (i) (f + g) dµ = f dµ + g dµ, (ii) (cf) dµ = c f dµ, (iii) f g f dµ g dµ (Monotonie). Beweis. ad (i) : Setze J = f(ω) g(ω) und Ω (j1,j 2 ) = {f = j 1 } {g = j 2 }. Lemma 1 zeigt (f + g) dµ = (j 1 + j 2 ) µ(ω (j1,j 2 )) = f dµ + g dµ. ad (ii) : Klar. ad (iii) : Analog (i). j 1 f(ω) j 2 g(ω) Lemma 2 zeigt insbesondere n a i 1 Ai dµ = n a i µ(a i ) für a i [0, [ und A i A. Notation: Z + = Z + (Ω, A) Menge der nicht-negativen A-B-meßbaren Funktionen. Definition 3. Integral von f Z + bzgl. µ f dµ = sup{ } g dµ : g S + g f. Lemma 3. Die Eigenschaften (ii) und (iii) aus Lemma 2 gelten auch auf Z +. Beweis. Klar. Lemma 4. Seien f, f n S + mit n N : f n f n+1 (1) sowie lim f n f. Dann f dµ lim f n dµ. Beweis. Wähle β > 1, setze B n = {β f n f}. Dann B n Ω, und Satz III.1.1 zeigt lim µ({f = x} B n ) = µ({f = x}). Lemma 2 zeigt f dµ = lim x f(ω) x µ({f = x} B n ) = lim f 1 Bn dµ β lim f n dµ.

30 IV.1. Definition und Eigenschaften 28 Satz 1 (Levi (1906)). Seien f n Z + mit (1). Dann f n dµ = lim Beweis. Verwende Lemma 3. lim f n dµ. Setze f = lim f n. Sei g S + mit g f. Wähle β > 1, setze B n = {β f n g}. Dann 1 Bn g g, und mit Lemma 4 folgt g dµ lim g 1 Bn dµ β lim f n dµ. Bemerkung 1. Für jede Funktion f Z + existiert eine Folge von Funktionen f n S + mit f n f, siehe Satz II.3.7. Bemerkung 2. Sei A A. Gemäß Satz 1 gilt 1 A dµ {0, } und 1 A dµ = 0 µ(a) = 0. Beispiel 1. Betrachte f n = 1 n 1 [0,n] auf (R, B, λ 1 ). Dann f n dλ 1 = 1, lim f n = 0. Lemma 5. Die Eigenschaft (i) aus Lemma 2 gilt auch auf Z +. Beweis. Verwende Satz 1 und Bemerkung 1. Definition 4. Eine Eigenschaft Π gilt µ-fast überall (µ-f.ü., f.ü.), falls A A : {ω Ω : Π gilt nicht für ω} A µ(a) = 0. Bei Wahrscheinlichkeitsmaßen: µ-fast sicher, µ-f.s., f.s., mit Wahrscheinlichkeit eins. Satz 2. Sei f Z +. Dann f dµ = 0 f = 0 µ-f.ü. Beweis. : Setze A n = {f > 1/n}. Da A n {f > 0}, gilt genau dann f = 0 µ-f.ü., wenn µ(a n ) = 0 für alle n N. Aus 1/n 1 An f und Lemma 3 folgt 0 1/n µ(a n ) = 1/n 1 An dµ f dµ = 0. : Aus f 1 {f>0} und Bemerkung 2 folgt f dµ 1 {f>0} dµ = 0. Notation: Z = Z(Ω, A) Menge der A-B-meßbaren Funktionen.

31 IV.1. Definition und Eigenschaften 29 Definition 5. f Z quasi-µ-integrierbar, falls f + dµ < f dµ <. In diesem Fall: Integral von f (bzgl. µ) f dµ = f + dµ f dµ. f Z µ-integrierbar, falls f + dµ < f dµ <. Satz 3. (i) f µ-integrierbar f < µ-f.ü. (ii) f µ-integrierbar g Z f = g µ-f.ü. g µ-integrierbar f dµ = g dµ. (iii) Für f Z sind äquivalent (a) f µ-integrierbar, (b) f µ-integrierbar, (c) g : g µ-integrierbar f g µ-f.ü., (iv) Seien f und g µ-integrierbar, und sei c R. Dann (a) f + g µ-f.ü. wohldef. und µ-integrierbar mit (f + g) dµ = f dµ + g dµ, (b) c f µ-integrierbar mit (cf) dµ = c f dµ, (c) f g µ-f.ü. f dµ g dµ. Beweis. ad (i) : Verwende lim n µ({ f = }) = 1 { f = } dµ (f + + f ) dµ <. ad (ii) : Verwende f ± 1 {f=g} dµ = g ± dµ f ± 1 {f=g} dµ + f ± 1 {f=g} dµ 1 {f g} dµ sowie f ± 1 {f=g} dµ f ± dµ, und vertausche die Rollen von f und g. ad (iii) : Es gilt f µ-integrierbar f +, f µ-integrierbar f µ-integrierbar. Gelte (c). Setze h = g 1 { f g} + f 1 { f >g} Z. Dann gilt h = g µ-f.ü., und (ii) sichert, daß h µ-integrierbar ist. Offenbar f h, so daß f dµ h dµ <. ad (iv) : Siehe Elstrodt (2011, Satz IV.3.6).

32 IV.1. Definition und Eigenschaften 30 Satz 4 (Lemma von Fatou (1906)). Für jede Folge (f n ) n in Z + gilt lim inf f n dµ lim inf f n dµ. Beweis. Für g n = inf k n f k gilt g n Z + und g n lim inf f n. Satz 1 und Lemma 3 sichern lim inf f n dµ = lim g n dµ lim inf f n dµ. Definition 6. Seien f, f n Z für n N. Dann konvergiert (f n ) n µ-f.ü. gegen f, falls µ(a c ) = 0 für Notation: A = { lim sup f n = lim inf f } { n lim sup f n = f } A. f n µ-f.ü. f. In obiger Situation gilt offenbar A = { lim f n = f }. Satz 5 (Lebesgue (1910)). Gelte (i) f n Z für n N, (ii) g µ-integrierbar n N : f n g µ-f.ü., (iii) f Z mit f n µ-f.ü. f. Dann ist f µ-integrierbar und f dµ = lim f n dµ. Beweis. Satz 3 zeigt die Integrierbarkeit von f n und f und erlaubt die Annahme, daß f, f n und g reellwertig sind und die fast überall Eigenschaften für alle ω Ω gelten.setze g n = f + g f f n Z +. Dann folgt mit Satz 4 ( f + g) dµ lim inf g n dµ = ( f + g) dµ lim sup f f n dµ. Somit lim f fn dµ = 0. Schließlich f n dµ f dµ f f n dµ.

33 IV.1. Definition und Eigenschaften 31 Beispiel 2. Betrachte auf (R, B, λ 1 ). Dann f n dλ 1 = 1, f n = n 1 ]0,1/n[ lim f n = 0. Bemerkung 3. Betrachte zunächst (Ω, A) = ([a, b], B([a, b])) mit a < b reell. Schreibe kurz λ für λ 1 A. Sei f : [a, b] R Riemann-integrierbar. Dann existieren Folgen von Funktionen g n, h n : [a, b] R mit (i) g n, h n S(Ω, A), (ii) g n f h n, (iii) (g n ) n N monoton wachsend, (h n ) n N monoton fallend, b (iv) lim g b a n(x) dx = lim h a n(x) dx = b a (v) b a g n(x) dx = g n dλ, b a h n(x) dx = h n dλ. f(x) dx, Setze g = lim g n und h = lim h n. Dann sind g, h beschränkt und A-B-meßbar und somit λ-integrierbar, siehe Satz 3.(ii). Betrachte g n g 1 und h 1 h n, und verwende die Sätze 1 und 3.(iii), um zu erhalten. g dλ = h dλ = b a f(x) dx Sei (Ω, Ã, λ) die Vervollständigung von (Ω, A, λ). Da g h, folgt g = h λ-f.ü. mit Satz 2 und weiter f = h λ-f.ü., d.h. {f h} à und λ({f h}) = 0. Für B B gilt somit {f B} = {h B} {f = h} {f B} {f h}. }{{}}{{}}{{} A à Dies zeigt die Ã-B-Meßbarkeit von f. Satz 3 sichert f dλ = h dλ. Zusatz: es gilt à = L 1 [a, b]. Eine etwas genauere Betrachtung zeigt, daß f λ-f.ü. stetig ist, und daß umgekehrt aus dieser Eigenschaft und der Beschränktheit von f die Riemann-Integrierbarkeit folgt. Siehe Elstrodt (2011, Satz IV.6.1). Gegeben: ein Meßraum (Ω, A ) und eine A-A -meßbare Abbildung f : Ω Ω. Satz 6. à (i) Für g Z + (Ω, A ) g df(µ) = Ω Ω g f dµ. (2)

34 IV.1. Definition und Eigenschaften 32 (ii) Für g Z(Ω, A ) g is f(µ)-integrierbar g f is µ-integrierbar, und gegebenenfalls gilt (2). Beweis. Algebraische Induktion. Bemerkung 4. Im Spezialfall (Ω, A ) = (R, B) und g = id zeigt Satz 6 f dµ = id df(µ) (3) Ω für µ-integrierbare Abbildungen f : Ω R. In der Stochastik heißt f dµ Erwartungswert der Zufallsvariable f, und dieser hängt nur von der Verteilung von f ab, siehe Bemerkung III.1.2 und (3). Bemerkung 5. Ein Ausblick. Betrachte eine Menge Ω und einen Vektorraum F R Ω mit f F ( f F min {f, 1} F ). Ein abstraktes Integral ist eine monotone lineare Abbildung I : F R mit f, f 1, f 2,... F f n f I(f) = lim I(f n ), R siehe Kapitel I. Offenbar definiert ein abstraktes Integral auf I(f) = f dµ F = {f Z(Ω, A) : f µ-integrierbar} = L 1 (Ω, A, µ). Der Satz von Daniell-Stone besagt: Für jedes abstrakte Integral I : F R existiert ein eindeutig bestimmtes Maß µ auf A = σ(f) mit F L 1 (Ω, A, µ) f F : I(f) = f dµ. Siehe Bauer (1978, Satz 39.4) oder Floret (1981). Anwendung: Rieszscher Darstellungssatz. Hier F = C([0, 1]) und I : F R linear und monoton. Dann folgt mit dem Satz von Dini, daß I ein abstraktes Integral ist, siehe Floret (1981, p. 45). Folglich existiert ein eindeutig bestimmtes Maß µ auf σ(f) = B([0, 1]) mit f F : I(f) = f dµ.

35 IV.2. Maße mit Dichten 33 2 Maße mit Dichten Wir zeigen, wie sich durch Integration bezüglich eines Referenzmaßes leicht neue Maße konstruieren lassen. Gegeben: ein Maßraum (Ω, A, µ). Definition 1. Sei f (quasi-)µ-integrierbar, und sei A A. Das Integral von f über A ist definiert als f dµ = 1 A f dµ. A Satz 1. Für f Z + wird durch ein Maß auf A definiert. ν(a) = f dµ, A A, A Beweis. Mit Lemma 1.3 folgt ν 0 und ν( ) = 0. Für paarweise disjunkte Mengen A 1, A 2,... A gilt n 1 A f = lim (1 Ai f), und Satz 1.1 und Lemma 1.5 sichern n ν(a) = lim 1 Ai f dµ = ν(a i ). Definition 2. In obiger Situation heißt ν das Maß mit der Dichte f bzgl. µ. Notation: 1 ν = f µ. Beispiel 1. Betrachte das Zählmaß µ auf P(N 0 ) sowie f : N 0 [0, ]. Für f n = f 1 {0,...,n} = n f(k) 1 {k} k=0 gilt f n f. Für A N 0 folgt 1 A f dµ = lim n k=0 1 A (k) f(k) = k A f(k), d.h. f µ = k=0 f(k) ε k, siehe Beispiel III.1.1.(i). Auf diese Weise erhält man alle Maße auf P(N 0 ). Sei f : N 0 R. Dann ist f genau dann µ-integrierbar, wenn k=0 f(k) <. Gegebenenfalls f dµ = k=0 f(k). 1 Elstrodt (2011) schreibt f µ.

36 IV.2. Maße mit Dichten 34 Satz 2. Sei ν = f µ mit f Z + und g Z(Ω, A). Dann g (quasi)-ν-integrierbar g f (quasi)-µ-integrierbar. Gegebenenfalls g dν = g f dµ. Beweis. Für g = 1 A mit A A gilt die Aussage definitionsgemäß. Für g S + (Ω, A) verwende man die Linearität des Integrals. Für g Z + (Ω, A) wählen wir eine Folge (g n ) n N in S + (Ω, A) mit g n g. Dann g n f Z + und g n f g f. Satz 1.1 und die bereits bewiesenen Aussagen zeigen g dν = lim g n dν = lim g n f dµ = g f dµ. Für g Z(Ω, A) ist g ± dν = g ± f dµ = (g f) ± dµ bereits bekannt. Verwende die Linearität des Integrals. Bemerkung 1. Betrachte offene Mengen U, V R k und einen C 1 -Diffeomorphismus f : U V sowie Dann gilt (Ω, A, µ) = (U, U B k, λ k U Bk ), (Ω, A, µ ) = (V, V B k, λ k V Bk ). µ = f( det Df µ). Die Gleichheit dieser Maße gilt zunächst für die in der Vorlesung Grundlagen der Mathematik betrachteten beschränkten Quader Q R k mit Q V, siehe Ritter (2014, Lemma XI.5.4), und hierauf wendet man Satz III.2.3 an. Siehe auch Elstrodt (2011, V.4); ein Spezialfall wurde in Satz III.3.3 vorgestellt. Es folgt g dµ = g f det Df dµ, V U falls g µ -integrierbar. Dies ist die Transformationsformel für das Integral bzgl. des k-dimensionalen Lebesgue-Maßes. Bemerkung 2. f, g Z + f = g µ-f.ü. f µ = g µ. Wir studieren die Existenz und Eindeutigkeit von Dichten in der Vorlesung Wahrscheinlichkeitstheorie, siehe auch Übung 6.1.

37 IV.3. L p -Räume 35 3 L p -Räume Gegeben: einen Maßraum (Ω, A, µ) und 1 p <. Setze Z = Z(Ω, A). Notation: L p = L p (Ω, A, µ) = { f Z : } f p dµ < und ( f p = f p dµ) 1/p, f L p. Satz 1 (Höldersche Ungleichung). Seien 1 < p, q < mit 1/p + 1/q = 1, und seien f L p, g L q. Dann f g dµ f p g q. Im Spezialfall p = q = 2: Cauchy-Schwarzsche Ungleichung. Beweis. Siehe Elstrodt (2011, VI.1). Satz 2. L p ist ein Vektorraum, und p ist eine Halbnorm auf L p. Ferner f p = 0 f = 0 µ-f.ü. Beweis. Wir betrachten den nicht-trivialen Fall p > 1. Seien f, g L p. Mit f + g p ( 2 max( f, g ) ) p 2p ( f p + g p ) folgt f + g L p. Zum Beweis der Dreiecksungleichung (Minkowskische Ungleichung) sei q = p/(p 1). Dann sichert Satz 1 f + g p dµ f f + g p 1 dµ + g f + g p 1 dµ ( ( f p + g p ) Falls f + g > 0, dividiere man durch f + g p/q p. Die weiteren Aussagen sind klar. f + g p dµ) 1/q. Definition 1. Seien f, f n L p für n N. Dann konvergiert (f n ) n gegen f in L p (im p-ten Mittel), falls lim f f n p = 0. Insbesondere für p = 1: Konvergenz im Mittel und für p = 2: Konvergenz im Quadratmittel. Notation: L p f. Lemma 1. Seien f, g, f n L p für n N mit f n f n Analog für die fast-überall Konverenz. f n L p f. Dann L p g f = g µ-f.ü.

38 IV.3. L p -Räume 36 Beweis. Für die Konvergenz in L p : folgt aus Satz 1.3.(ii). Verwende und Satz 2 zum Beweis von. f g p f f n p + f n g p Für die fast-überall Konverenz: gilt offenbar. Verwende zum Beweis von. { lim f n = f } { lim f n = g } {f = g} Satz 3 (Fischer-Riesz (1907)). Sei (f n ) n eine Folge in L p. Dann (i) (f n ) n Cauchy-Folge f L p : f n (ii) f n L p µ-f.ü. f Teilfolge (f nk ) k : f nk f. L p f (Vollständigkeit), Beweis. Ad (i): Betrachte eine Cauchy-Folge (f n ) n und eine Teilfolge (f nk ) k mit Für gilt k N m n k : f m f nk p 2 k. k g l p l=1 g k = f nk+1 f nk L p k g l p l=1 Setze g = l=1 g l Z +. Satz 1.1 sichert g p dµ = sup k ( k l=1 g l ) p dµ = sup k k 2 l 1. l=1 ( k p g l ) dµ 1. (1) Insbesondere konvergieren l=1 g l und l=1 g l µ-f.ü., siehe Satz 1.3.(i). Aus l=1 f nk+1 = k g l + f n1 l=1 folgt für eine Funktion f Z. Ferner f = lim k f nk µ-f.ü. f f nk g l g µ-f.ü., l=k so daß lim k f f nk p dµ = 0

39 IV.3. L p -Räume 37 mit Satz 1.5 und (1) folgt. Somit Schließlich zeigt Satz 2, daß f L p. Ad (ii): Gelte lim f f n p = 0. f n L p f. Wie der Beweis von (i) zeigt, existiert eine Funktion f L p und eine Teilfolge (f nk ) k mit µ-f.ü. f nk f L f p nk f. Verwende Lemma 1. Beispiel 1. Sei (Ω, A, µ) = ( [0, 1], B([0, 1]), λ 1 B([0,1]) ). Definiere Setze f n = 1 An. Dann A 1 = [0, 1] A 2 = [0, 1/2], A 3 = [1/2, 1] A 4 = [0, 1/3], A 5 = [1/3, 2/3], A 6 = [2/3, 1] etc. aber lim f n 0 p = lim f n p = 0, (2) {(f n ) n konvergiert} =. Bemerkung 1. Definiere und L = L (Ω, A, µ) = {f Z : c R + : f c µ-f.ü.} f = inf{c R + : f c µ-f.ü.}, f L. Funktionen f L heißen essentiell beschränkt und f heißt das essentielle Supremum von f. Verwende Satz III.1.1.(iii) zum Beweis von f f µ-f.ü. Die Definitionen und Ergebnisse dieses Abschnittes, außer (2), übertragen sich auf L den Fall p =, wobei q = 1 in Satz 1. In Satz 3.(ii) gilt sogar f µ-f.ü. n f f n f. Bemerkung 2. Setze N p = {f L p : f = 0 µ-f.ü.}. Der Quotientenraum L p = L p /N p ist ein Banach-Raum. Für p = 2 erhält man sogar einen Hilbert-Raum, falls f, g = f g dµ, f, g L 2. als semi-inneres Produkt auf L 2 betrachtet wird.

40 IV.3. L p -Räume 38 Satz 4. Sei µ endlich, und gelte 1 p < q. Dann L q L p und f p µ(ω) 1/p 1/q f q, f L q. Beweis. Trivial für q =. Fortan q <. Verwende f p 1 + f q und Satz 1.3.(iii), um L q L p zu erhalten. Setze r = q/p und definiere s durch 1/r + 1/s = 1. Satz 1 zeigt ( 1/r f p dµ f dµ) p r (µ(ω) ) 1/s. Beispiel 2. Sei 1 p < q. Bezüglich des Zählmaßes auf P(N 0 ) gilt L p L q. Bezüglich des Lebesgue-Maßes auf B k gilt weder L q L p noch L p L q.

41 Kapitel V Produktmaße Die Konstruktionen und Ergebnisse dieses Kapitels sind aufs engste verknüpft mit dem stochastischen Begriff der Unabhängigkeit. Ferner gewinnen wir eine neue Sicht auf das k-dimensionale Lebesgue-Maß. 1 Produkträume Beispiel 1. Ein stochastisches Modell für den Münzwurf. Für einen einzigen Wurf Ω = {0, 1}, A = P(Ω), A A : µ(a) = A Ω. Dies ist zugleich der Grundbaustein Ω i = {0, 1}, A i = P(Ω i ), A A i : µ i (A) = A Ω i für n unabhängige Würfe. Wir definieren Ω = n Ω i, A = P(Ω), A A : µ(a) = A Ω und erhalten µ(a 1 A n ) = µ 1 (A 1 ) µ n (A n ) für alle A i A i. Frage: Modellierung einer unendliche Folge von Würfen? Dazu Ω = Ω i. Welche σ-algebra A in Ω und welches Wahrscheinlichkeitsmaß µ auf (Ω, A) ist zu betrachten? Eine sinnvolle Forderung ist n N A i A i : µ(a 1 A n Ω n+1 Ω n+2... ) = µ 1 (A 1 ) µ n (A n ). (1) 39

42 V.1. Produkträume 40 Die σ-algebra A = P(Ω) ist zu groß, da kein Wahrscheinlichkeitsmaß µ auf (Ω, P(Ω)) mit (1) existiert. Dies folgt aus einem Satz von Banach und Kuratowski, der auf der Kontinuumshypothese beruht, siehe Dudley (2002, p. 526). Andererseits ist A = {A 1 A n Ω n+1 Ω n+2 : n N, A i A i für i = 1,..., n} (2) keine σ-algebra. Gegeben: eine Menge I und Meßräume (Ω i, A i ) für i I. Setze Y = i I Ω i, und definiere Ω = i I Ω i = {ω Y I : ω(i) Ω i für i I}. Notation: ω = (ω i ) i I für ω Ω. Ferner sei Definition 1. (i) Eine Menge P 0 (I) = {J I : J endlich}. A = j J A j Ω i i I\J mit J P 0 (I) und A j A j für j J heißt meßbares Rechteck. Notation: R Menge der meßbaren Rechtecke. (ii) σ(r) heißt die Produkt-σ-Algebra in Ω, und (Ω, σ(r)) heißt der Produktmeßraum (Produktraum) mit Komponenten (Ω i, A i ), i I. Notation: σ(r) = i I A i. Bemerkung 1. Die Menge R ist eine Semi-Algebra, aber im allgemeinen keine Algebra. Siehe Übung 6.1. Beispiel 2. Offenbar setzt (1) voraus, daß A die Produkt-σ-Algebra P({0, 1}) enthält. Wir werden sehen, daß ein eindeutig bestimmtes Wahrscheinlichkeitsmaß µ auf dem Produktraum ( {0, 1}, P({0, 1})) mit (1) existiert, siehe Satz 2.4. Damit ist das eingangs gesuchte stochastische Modell für den Münzwurf konstruiert. Wir studieren Mengen von Abbildungen, die die Produkt-σ-Algebra erzeugen. Ferner charakterisieren wir die Meßbarkeit von Abbildungen mit Werten in einem Produktraum. Für S I sei π I S : Ω i S Ω i, (ω i ) i I (ω i ) i S die Projektion von Ω auf i S Ω i (Restriktion der Abbildungen ω). Speziell für i I ist π{i} I die i-te Projektion (Projektion auf die i-te Koordinaten). Wir schreiben kurz π S statt πs I und π i statt π {i}.

43 V.1. Produkträume 41 Satz 1. (i) i I A i = σ({π i : i I}). (ii) i I : A i = σ(e i ) i I A i = σ ( i I π 1 i (E i ) ). Beweis. Ad (i), : Wir zeigen, daß jede Projektion π i : Ω Ω i ( i I A i) -Ai -meßbar ist. Für A i A i und J = {i} π 1 i (A i ) = j J A j Ω k R. k I\J Ad (i), : Wir zeigen R σ({π i : i I}). Für J P 0 (I) und A j A j mit j J A j Ω i = π j J 1 j (A j ). i I\J j J Ad (ii): Gemäß Lemma II.3.1 und (i) ( ) ( ) A i = σ π 1 i (A i ) = σ σ(π 1 i (E i )) = σ i I i I i I ( i I ) π 1 i (E i ). Korollar 1. (i) Für jeden Meßraum ( Ω, Ã) und jede Abbildung g : Ω Ω gilt g Ã- i I A i -meßbar i I : π i g Ã-A i-meßbar. (ii) Für alle S I sind die Projektionen π S i I A i- i S A i-meßbar. Beweis. Ad (i): Folgt unmittelbar aus Satz II.3.3 und Satz 1.(i). Ad (ii): Beachte, daß π S {i} πi S = πi i, und verwende (i). Bemerkung 2. Satz 1.(i) und Korollar 1 zeigen A i = σ({πj I : J P 0 (I)}). Die Mengen i I ( ) ( ) π I 1 J (B) = B Ω i i I\J mit J P 0 (I) und B i J A i heißen Zylindermengen. Notation: C Menge der Zylindermengen. Die Menge C ist eine Algebra, aber im allgemeinen keine σ-algebra in Ω. Ferner R α(r) C σ(r), wobei im allgemeinen keine Gleichheit gilt.

44 V.1. Produkträume 42 Jede produkt-meßbare Menge ist in folgendem Sinn abzählbar bestimmt. Satz 2. Für jede Menge A i I A i existiert eine abzählbare Menge S I und eine Menge B i S A i, so daß A = ( π I S) 1 (B). Beweis. Setze { à = A A i : S I nicht-leer, abzählbar B i I i S A i : A = ( π I S ) 1 (B) }. Definitionsgemäß enthält à alle Zylindermengen, und es gilt à i I A i. Es bleibt zu zeigen, daß Ã eine σ-algebra ist. Siehe Gänssler, Stute (1977, p. 24). Nun studieren wir Produkte Borelscher σ-algebren. Satz 3. B k = k B, B k = k B. Beweis. Bemerkung II.2.2 zeigt ({ k B k = σ }) ], a i ] : a i R für i = 1,..., k k B. Andererseits ist π i : R k R stetig, so daß wir Korollar II.3.1 und Satz 1.(i) anwenden können. Analog ergibt sich B k = k B. Bemerkung 3. Allgemeiner betrachten wir eine nicht-leere abzählbare Menge I und eine Familie topologischer Räume (Ω i, G i ) für i I. Wir setzen voraus, daß jeder Raum (Ω i, G i ) eine abzählbare Basis besitzt und betrachten die Produkttopologie G auf Ω = i I Ω i. Dann B(Ω) = i I B(Ω i ), siehe Elstrodt (2011, Satz III.5.10). Ohne Voraussetzungen an I und die Räume (Ω i, G i ) zeigt Satz 1, daß B(Ω) i I B(Ω i). Wir diskutieren die Mächtigkeit von Produkt-σ-Algebren. Beispiel 3. Seien I = N, Ω i = {0, 1} und A i = P(Ω i ) wie in Beispiel 1. Für den entsprechenden Produktraum (Ω, A) gilt Ω = {0, 1} N und A = Ω = R. Beweis: Für jedes ω Ω gilt {ω} A. Somit A Ω. Umgekehrt zeigen Satz 1.(ii) mit E i = {{1}} und Satz II.1.3, daß A N N = R. Wir ergänzen, daß P(Ω) = {0, 1} R > Ω.

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

Schwache Konvergenz. Kapitel 8

Schwache Konvergenz. Kapitel 8 Im Hinblick auf die funktionalen Grenzwertsätze wird in diesem Kapitel die Theorie der schwachen Konvergenz endlicher Maße auf separablen metrischen, vorallem polnischen Räumen entwickelt. In dieser Situation

Mehr

ε δ Definition der Stetigkeit.

ε 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

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

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

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

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

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

Der Konsistenzsatz von Kolmogorov

Der Konsistenzsatz von Kolmogorov Der Konsistenzsatz von Kolmogorov Im Rahmen der Theorie stochastischer Prozesse betrachten wir W-Maße auf unendlichen Produkträumen wie bspw. (R N, B N ) als Bildraum eines Prozesses (X t ) t N in diskreter

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

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

1 Elemente der Wahrscheinlichkeitstheorie

1 Elemente der Wahrscheinlichkeitstheorie H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen

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

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

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

Mathematik III. Vorlesung 71

Mathematik 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

Mehr

Stochastik. 1. Wahrscheinlichkeitsräume

Stochastik. 1. Wahrscheinlichkeitsräume Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

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

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

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

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

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

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.

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

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

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

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

Kapitel 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 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

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

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung). Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6

Mehr

Einführung in die Analysis

Einführung 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

Mehr

Funktionsgrenzwerte, Stetigkeit

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

Mehr

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung 4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung Häufig werden mehrere Zufallsvariablen gleichzeitig betrachtet, z.b. Beispiel 4.1. Ein Computersystem bestehe aus n Teilsystemen. X i sei der Ausfallzeitpunkt

Mehr

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 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 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

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 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

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

Stetigkeit. Definitionen. Beispiele

Stetigkeit. Definitionen. Beispiele Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt

Mehr

Mathematik I. Vorlesung 19. Metrische Räume

Mathematik 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

Mehr

2. Stetige lineare Funktionale

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

Mehr

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

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

Analysis I für Studierende der Ingenieurwissenschaften

Analysis 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

Mehr

9 Konvergenz und absolute Konvergenz von Reihen

9 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

Mehr

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ)

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ) TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig 9..04 Lösungsvorschläge zum 3. Aufgabenblatt der Vorlesung,,Einführung in die Finanzmathematik Gruppenübungen Aufgabe : Es sei Ω = {, +} n,

Mehr

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

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

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

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

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

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

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

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

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

Mehr

Gesetze der großen Zahlen

Gesetze der großen Zahlen Kapitel 0 Gesetze der großen Zahlen 0. Einführung Im ersten Kapitel wurde auf eine Erfahrungstatsache im Umgang mit zufälligen Erscheinungen aufmerksam gemacht, die man gewöhnlich als empirisches Gesetz

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

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016 Übungen zu bedingten Erwartungswerten Tutorium Stochastische Prozesse 13. Dezember 2016 Bedingter Erwartungswert Definition Sei X eine reellwertige Zufallsvariable auf (Ω, A, P), so dass E[ X ]

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

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

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

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

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

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

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

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

9 Vektorräume mit Skalarprodukt

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

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige Konvergenz und Funktionenräume Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen

Mehr

15 Hauptsätze über stetige Funktionen

15 Hauptsätze über stetige Funktionen 15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen

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

Kap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R

Kap. 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

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

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

Mehr

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

Zufallsvariablen: Die allgemeine Definition

Zufallsvariablen: Die allgemeine Definition KAPITEL 8 Zufallsvariablen: Die allgemeine Definition 8.1. Zufallsvariablen Bis zu diesem Zeitpunkt haben wir ausschließlich Zufallsvariablen mit endlich oder abzählbar vielen Werten (also diskrete Zufallsvariablen)

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

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

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

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

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

Mehr