Fourierreihen. Die erste dieser Aussagen folgt direkt aus der Definition. Für die zweite bemerken
|
|
- Birgit Stein
- vor 6 Jahren
- Abrufe
Transkript
1 Fachbereich Mathematik SS 0 J. Latschev Analysis II Fourierreihen In diesem Kapitel der Vorlesung widmen wir uns der Frage, inwieweit man jede periodische Funktion als Reihe in gewissen Standardfunktionen wie sin(nx), cos(nx) oder e inx mit n Z darstellen kann. Dazu führen wir den Raum L per([, ]) := {f : [, ] C f() = f() und f(x) dx < } ein. Jede Funktion in L per([, ]) lässt sich zu einer -periodischen Funktion auf ganz R fortsetzen, und manchmal werden wir von einer -periodischen Funktion f : R C als Element von L per([, ]) sprechen, oder umgekehrt von Elementen aus L per([, ]) als -periodischen Funktionen. Zunächst halten wir folgenden Sachverhalt fest: Satz. L per([, ]) ist ein komplexer Vektorraum. Beweis. Die -periodischen (stückweise stetigen) Funktionen f : R C bilden unter der punktweisen Addition und Multiplikation mit Skalaren µ C bekanntermaßen einen komplexen Vektorraum, und L per([, ]) ist per Definition eine Teilmenge dieses Vektorraumes. Um nachzuprüfen, dass L per([, ]) selbst ein komplexer Vektorraum ist, genügt es also, die folgenden beiden Aussagen nachzuweisen: Ist f L per([, ]) und µ C, so ist µ f L per([, ]). Aus f L per([, ]) und g L per([, ]) folgt auch f + g L per([, ]). Die erste dieser Aussagen folgt direkt aus der Definition. Für die zweite bemerken wir, dass f(x) + g(x) f(x) + f(x) g(x) }{{} f(x) + g(x) + g(t) ( f(t) + g(t) ). Damit folgt aber aus der Endlichkeit der Integrale von f und g auch die Endlichkeit des Integrals von f + g. Wir müssen natürlich auch dafür sorgen, dass das Integral überhaupt existiert. Dafür verlangen wir hier noch, dass f stückweise stetig (aber nicht notwendig beschränkt) ist, d.h. es gebe eine von f abhängige Zerlegung = t 0 < t < t < < t n = des Intervalls [, ], so dass f auf den offenen Teilintervallen (t i, t i ) stetig ist. Dies impliziert die Existenz des angegebenen Integrals mit Wert in R { } und ist eine von mehreren möglichen ad-hoc-lösungen. Eine befriedigendere Behandlung des wichtigen technischen Problems der Integrierbarkeit von f ist im Rahmen der Lebesgueschen Integrationstheorie möglich, wo man den Begriff der Messbarkeit einer Funktion unabhängig von der Endlichkeit des Integrals formulieren kann.
2 Ähnlich wie im C n können wir auf L per([, ]) ein Skalarprodukt definieren. Definition. Wir definieren das Skalarprodukt.,. : L per([, ]) L per([, ]) C durch f, g L := f(x)g(x)dx. Bisher hatten wir nur reellwertige Funktionen integriert. Integrale wie das eben benutzte von komplexwertigen Funktionen sind komponentenweise zu verstehen, d.h. man integriert Real und Imaginärteil separat. Die üblichen Rechenregeln gelten auch für Integrale komplexer Funktionen. Um die Existenz des Integrals zu prüfen, bemerkt man, dass Re(f(x)g(x)) = ( f(x) + g(x) f(x) g(x) ) und Im(f(x)g(x)) = ( f(x) + ig(x) f(x) g(x) ), und die rechten Seiten haben für f, g L per([, ]) jeweils ein endliches Integral. Das gerade definierte Skalarprodukt hat folgende Eigenschaften:. λf + µf, g L = λ f, g L + µ f, g L. f, λg + µg L = λ f, g L + µ f, g L 3. f, g L = g, f L 4. f, f L 0. Im Gegensatz zu R n und C n ist in L per([, ]) die Eigenschaft f, f L = 0 nicht äquivalent zur Aussage f = 0, da man f zum Beispiel in einem Punkt abändern kann, ohne dass das Integral sich ändert. Wir führen nun noch die vom Skalarprodukt induzierte Norm ein, und zwar wie üblich f L := f, f L. Im folgenden bezeichnet I stets eine abzählbare Indexmenge, zum Beispiel Z oder N. Definition. Ein Orthonormalsystem (ON-System) ist eine abzählbare Menge von Funktionen {φ n } n I aus L per([, ]) mit φ i, φ j L = { 0 falls i j falls i = j. In der Lebesgueschen Integrationstheorie löst man dieses Problem durch Übergang zu einem geeigneten Quotientenraum.
3 Beispiel. Die Funktionen {φ n (x) := e inx } n Z bilden ein ON-System in L per([, ]). In der Tat sind alle φ n -periodisch. Außerdem gilt φ n, φ m L = einx e imx dx = e i(n m)x dx =: I n,m. Im Fall n = m ist die Funktion e i(n m)x = konstant, so dass I n,m = folgt. Ist n m, so ist i(n m) ei(n m)x eine Stammfunktion für e i(n m)x, so dass I n,m = i(n m) ei(n m)x = i(n m) (ei(n m) e i(n m) ) = 0, denn e i(n m) = e (n m)i e i(n m) = e i(n m)x, so dass die Differenz verschwindet. Daraus erhalten wir durch Umrechnen ein weiteres Beispiel. Die Funktionen, sin(x), cos(x), sin(x), sin(x),..., sin(nx), cos(nx),... bilden ebenfalls ein ON-System in L per([, ]). In der Tat stimmt die erste Funktion mit φ 0 aus dem ersten Beispiel überein. Außerdem gilt so dass cos(nx) = (einx + e inx ) = (φ n(x) + φ n (x)) und sin(nx) = i (einx e inx ) = i (φ n(x) φ n (x)), cos(nx) = (φ n (x) + φ n (x)) und sin(nx) = i (φ n(x) φ n (x)). Die ON-Bedingung folgt nun durch Nachrechnen aus der ON-Bedingung für die φ n. Sei nun {φ n } n I ein beliebiges ON-System in L per([, ]). Wir definieren c n (f) := f, φ n L = f(x)φ n (x)dx. Die Konstante c n (f) C heisst n ter Fourierkoeffizient von f bezüglich des ON-Systems {φ n } n I. 3
4 Satz (Minimalitätseigenschaft der Fourierkoeffizienten). Sei {φ n } n N ein ON-System in L per([, ]) und f L per([, ]). Dann gilt für jedes k N und beliebige Konstanten γ,..., γ k C die Ungleichung f(x) c n (f)φ n (x) dx f(x) γ n φ n (x) dx. Äquivalent kann man die behauptete Ungleichung auch als f c n (f)φ n L f γ n φ n L schreiben. Im Sinne des von der L -Norm definierten Abstandes sind also die Fourierpolynome jeweils die bestmögliche Approximation von f durch Linearkombinationen aus Funktionen des ON-Systems. Beweis. Wir rechnen nach: f γ n φ n L = f γ n φ n, f = f, f L = f, f L = f, f L + f, f L = f, f L = f, f L + = f = f m= γ m φ m L m= γ n φ n, f L γ n c n (f) γ n f, φ n L + γ n c n (f) + γ n c n (f) γ n + c n (f) φ n, f L c n (f)c m (f) φ n, φ m L c n (f)φ n, f c n (f)φ n L. m= c n (f) f, φ n L c m (f)φ m L m= γ n γ m φ n, φ m L 4
5 Als direkte Konsequenz des letzten Beweises erhalten wir nun auch Satz 3 (Besselsche Ungleichung). Sei {φ n } n N ein ON-System in L per([, ]) und f L per([, ]). Dann gilt f L = f(x) dx. Beweis. Wie im letzten Beweis gesehen gilt für jedes k N 0 f c n (f)φ n L = f, f L das heisst für alle k N muss f, f L, gelten. Dann konvergiert aber die Reihe, und es gilt die behauptete Ungleichung für ihre Summe. Als konkrete Folgerung aus Satz 3 halten wir noch fest: Folgerung. Sei {φ n } n N ein ON-System in L per([, ]) und f L per([, ]). Dann gilt für die Fourierkoeffizienten von f bezüglich {φ n } lim c n(f) = 0. n Beispiel. Für das ON-System {φ n (x) = e inx } n Z gilt c n (f) = c n (f) = f(x)e inx dx f(x)e inx dx. Betrachtet man die Teil-ON-Systeme {φ n } n 0 bzw. {φ n } n 0, so besagt die Folgerung also lim f(x)e inx dx = 0 und n lim n f(x)e inx dx = 0 für jedes f L per([, ]). Analog erhält man durch Betrachtung der anderen ON-Systeme { sin(nx)} n N bzw. { cos(nx)} n N die Aussagen und lim n lim n für jedes f L per([, ]). f(x) sin(nx) dx = 0 f(x) cos(nx) dx = 0 und 5
6 Bevor wir das nächste Konzept einführen, greifen wir kurz einen Begriff der linearen Algebra auf. In endlich-dimensionalen Vektorräumen V wie R d oder C d mit einem Skalarprodukt (wie wir es am Beginn des letzten Semesters definiert hatten) ist eine orthonormale Basis eine Teilmenge {v,..., v d } von genau d = dim V Elementen, welche die Beziehung { 0 falls i j v i, v j = falls i = j erfüllen. Es folgt dann, dass sich jedes Element x V schreiben lässt als x = d x, v i v i, i= wobei außerdem noch x = x, x = d x, v i i= gilt. In den in der Analysis auftretenden unendlich-dimensionalen Vektorräumen sind Basen im Sinner der linearen Algebra meist unbrauchbar, da sie nahezu immer überabzählbar sind. Stattdessen ist ein etwas abgeschwächtes Konzept sehr nützlich, welches wir nun im Spezialfall von L per([, ]) vorstellen: Definition 3. Ein ON-System {φ n } n I in L per([, ]) heißt vollständig, falls für jede stetige Funktion f L per([, ]) f, f L = n I gilt. 3 Bemerkung. Wir erinnern an unsere Vereinbarung, dass die Indexmenge I abzählbar ist. Da die Summanden der Reihe nichtnegativ sind, hängt die Summe, so sie existiert (und das tut sie wegen der Besselschen Ungleichung), nicht von der Reihenfolge der Summanden ab. Wir können also eine beliebige Bijektion von I mit N zur Interpretation der rechten Seite der letzten Gleichung wählen. Insbesondere treffen wir die Vereinbarung, dass im Fall I = Z mit der Reihe der Grenzwert N lim N gemeint sei. Warnung: Dies ist keine allgemein gültige Definition, und funktioniert so nur für Reihen mit nichtnegativen Gliedern! 3 Diese Definition wurde gewählt, um den Beweis des folgenden Satzes zu vereinfachen. Man kann zeigen, dass aus der Bedingung für alle stetigen Funktionen f L per([, ]) die Bedingung für alle Funktionen f L per([, ]) folgt. 6
7 Die wichtigsten Fragen der Theorie der Fourierreihen kann man nun wie folgt formulieren: Sei ein vollständiges ON-System {φ n } n I L per([, ]) gegeben. Für welche f L per([, ]) gilt dann f(x) = n I c n (f)φ n (x), (a) im Sinne der punktweisen Konvergenz? (b) im Sinne der gleichmäßigen Konvergenz? Wir werden diese Fragen im Rahmen dieser Vorlesung nur streifen (siehe aber die Zusammenfassung am Ende dieser Notizen). Satz 4 (Satz von Parseval, auch Satz von Plancherel). {φ n (x) = e inx } n Z ist ein vollständiges ON-System in L per([, ]), d.h. für alle f C([, ], C) mit f() = f() gilt = f L. Beweis. Da f : [, ] C (bzw. seine Fortsetzung auf R) -periodisch und stetig ist, finden wir mit dem Approximationssatz von Stone und Weierstraß trigonometrische Polynome f j, welche gleichmäßig gegen f konvergieren. Zu jedem ε > 0 gibt es also ein trigonometrisches Polynom f ε (x) = N γ nφ n (x) mit γ n C und Es gilt dann sup f(x) f ε (x) < ε. x [,] f(x) N γ n φ n (x) dx ε. Aus der Minimalitätseigenschaft der Fourierkoeffizienten (Satz ) erhalten wir hiermit f, f L N = f(x) Wir finden also zu jedem ε > 0 ein N N mit f, f L ε N N c n (f)φ n dx ε. f, f L, wobei die letzte Ungleichung eine Konsequenz der Besselschen Ungleichung (Satz 3) ist. Insgesamt folgt dann aber = f, f L. 7
8 Bemerkung. Wie zuvor erhält man wieder durch Umrechnung (oder durch Wiederholung des Beweises), dass auch, sin(x), cos(x), sin(x) ein vollständiges ON-System ist., sin(x),..., sin(nx), cos(nx),... Schließlich beweisen wir doch noch eine Aussage über die Konvergenz der Fourierreihe. Satz 5. Sei {φ n } n Z ein vollständiges ON-System in L per([, ]), welches aus stetigen Funktionen besteht, und sei f : R C eine -periodische stetige Funktion. Falls unter diesen Voraussetzungen die Fourierreihe c n (f)φ n (x) von f gleichmäßig konvergiert, so konvergiert sie gegen f. Beweis. Nach Voraussetzung existiert die Funktion g : [, ] C, g(x) = c n (f)φ n (x), und ist als Grenzwert der gleichmäßig konvergierenden Folge der jeweils stetigen Fourierpolynome selbst auch stetig. Außerdem gilt c n (g) = c n (f), wie man durch gliedweise Integration der gleichmäßig konvergierenden Reihe g(x)φ n (x) aus der ON-Eigenschaft der φ n erhält. Nun berechnen wir = = f(x) g(x) dx f(x) dx f(x) dx f(x) f(x)g(x) dx f(x) c n (f)φ n (x) dx + c n (f)φ n (x) dx f(x)g(x) dx + ( ) = f(x) dx c n (f) f(x)φ n (x) dx ( ) c n (f) f(x)φ n (x) dx + = f(x) dx = f(x) dx =0, + g(x) dx 8
9 wobei wir wieder die gleichmäßige Konvergenz zum Vertauschen des Integrals mit der Summe genutzt haben, und die letzte Gleichung aus der Vollständigkeit des ON-Sytems und dem Satz von Parseval (Satz 4) folgt. Da f und g beide stetig sind, muss aus dieser Gleichung aber f = g folgen. Als Anwendung der hier präsentierten Theorie wollen wir einige Werte der Riemannschen ζ-funktion ζ(s) = n s bestimmen. Dazu berechnen wir zunächst eine konkrete Fourierreihe. Beispiel. Wir betrachten die Funktion f : [, ] R, f(x) = x, und bestimmen die Fourierkoeffizienten bezüglich des ON-Systems {φ n (x) = e inx } n Z. Es gilt c 0 (f) = f, φ 0 L = x dx = 3 x3 =. 3 Für n 0 erhalten wir durch zweifache partielle Integration c n (f) = f, φ n L = = = = ( )n 4 n Nun besagt der Satz von Parseval e inx x in }{{} =0 xe inx n c 0 (f) + n 0 }{{} x e inx u }{{} dx v = ( )n n. = das heisst konkret (wegen c n (f) = c n (f)) Daraus erhalten wir ζ(4) = }{{} x u e inx in }{{} v e inx n dx } {{ } = n = x 4 dx, n = ( ) = dx
10 Außerdem folgt auch c n (f)φ n (x) = 3 + = 3 + c n (f) ( e inx + e inx) 4 ( ) n cos(nx), und diese Reihe konvergiert nach dem Majorantenkriterium gleichmäßig auf ganz [, ]. Mit Satz 5 erhalten wir also x = f(x) = ( ) n Auswertung an der Stelle x = ergibt woraus = ( ) n n ζ() = n n cos(nx) auf ganz [, ]. () ( ) n = n, n = 6 folgt. Wertet man () an der Stelle x = 0 aus, so erhält man stattdessen das heisst = 0 = 3 + ( ) n+ 4 ( ) n n, n = ±... Bemerkung. Durch k-faches Integrieren von () mit k und Auswerten an der Stelle x = erhält man rekursiv Formeln für die Werte ζ(k + ) an allen geraden natürlichen Zahlen. Zusammenfassung Wir kennen nun zwei mögliche Reihendarstellungen für Funktionen: Potenzreihen und Fourierreihen. Der Vorteil der Fourierreihen ist, dass sich deutlich mehr Funktionen durch sie darstellen lassen, zumindest auf einem vorgegebenen beschränkten Intervall. Potenzreihen definieren auf ihrem Konvergenzkreis ja analytische Funktionen, während sich auch viele stetige oder sogar sprungstetige Funktionen als Fourierreihe schreiben lassen. Der Nachteil der Fourierreihen ist die vergleichsweise Schwierigkeit, allgemeine Konvergenzkriterien zu beweisen. Auch konvergieren sie, wenn überhaupt, oft nur punktweise, während Potenzreihen auf kompakten Teilmengen des Konvergenzkreises stets gleichmäßig konvergieren. 0
11 Fakten zu Fourierreihen (ohne Beweise) Zum Abschluss hier noch einige Aussagen über Fourierreihen bzgl. des ON- Systems {φ n (x) = e inx } n Z, die einen gewissen Einblick in die allgemeine Theorie geben sollen. Für differenzierbare -periodische Funktionen f konvergiert die Fourierreihe immer gleichmäßig gegen f. Für f C k per([, ]) gilt sogar sup x [,] f(x) N c n (f)e inx M(f)N k+ für eine geeignete, von f abhängige Konstanten M(f). Je glatter also die Funktion, um so schneller konvergiert die Fourierreihe. Zu jeder Lebesgue-Nullmenge N [, ] findet man eine stetige Funktion f : [, ] R, so dass die Fourierreihe von f für alle x N divergiert. (Satz von Carleson, 966) Für jedes f L per([, ]) existiert eine Lebesgue-Nullmenge N(f), so dass für alle x [, ] \ N(f) die Fourierreihe von f konvergiert. (Hunt, 968) Dasselbe gilt, wenn man den Exponenten durch ein p mit < p < ersetzt (die L p -Räume sind analog zu L definiert). (Kolmogorov, 96) Es gibt eine Funktion f L per([, ]), deren Fourierreihe in keinem Punkt x [, ] konvergiert. 4 Literatur zum Thema Ein einführendes Kapitel zu Fourierreihen findet sich in den meisten Analysis- Lehrbüchern, so auch bei Forster, Ammann/Escher, Rudin oder Königsberger. Weiterführende Literatur (bei Bedarf, eher nicht für jetzt) ist zum Beispiel das Buch Fourier series and integrals von Dym und McKean. Beweise für die schwierigen Theoreme von Carleson und Hunt findet man in Modern Fourier analysis von Grafakos (ebenfalls nicht für jetzt). 4 Hier ist L im Sinne der Lebesgue-Integrierbarkeit zu verstehen.
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
MehrKonvergenz 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
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
MehrDie 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
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrModellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.
Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung
MehrTeil III. Fourieranalysis
Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
MehrAufgaben zur Analysis I aus dem Wiederholungskurs
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrKapitel 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
MehrOptimale 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
Mehr2 Allgemeine Integrationstheorie
2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns
Mehr10 Potenz- und Fourierreihen
10 Potenz- und Fourierreihen 10.1 Konvergenzbegriffe für Funktionenfolgen Im letzten Kapitel soll es noch einmal um eindimensionale Analysis gehen. Speziell werden wir uns mit Folgen und Reihen reeller
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12
Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag
MehrFerienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren
Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
Mehr2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)
2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
Mehr9 Folgen und Reihen von Funktionen
9 Folgen und Reihen von Funktionen In diesem Abschnitt betrachten wir verschiedene Arten der Konvergenz einer Funktionenfolge Besonders interessiert uns die Frage, ob sich Eigenschaften der einzelnen Glieder
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrFunktion; trigonometrische Reihen; trigonometrische Polynome; gliedweise Integration; Integration und Grenzübergang; Fourier-
Kapitel 26 Fourier-Reihen 26.1 Einführung (Spektrum; harmonische Analyse; Periode einer Funktion; trigonometrische Reihen; trigonometrische Polynome; gliedweise Integration; Integration und Grenzübergang;
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrFolgen und Reihen. Thomas Blasi
Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrFolgen und Reihen von Funktionen
Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2016/17. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 016/17 7. Fourier-Methoden 7.1. Periodische Funktionen In der Physik und in der Technik spielen periodische Funktionen eine
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrFerienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008
Ferienkurs Analysis 1, SoSe 2008 Unendliche Reihen Florian Beye August 15, 2008 1 Reihen und deren Konvergenz Definition 1.1. Eine reelle bzw. komplexe Reihe ist eine unendliche Summe über die Glieder
MehrEs gibt eine Heuristik, mit der sich die Primzahldichte
Es gibt eine Heuristik, mit der sich die Primzahldichte 1 ln(x) für großes x N plausibel machen lässt. Die Idee besteht darin, das Änderungsverhalten der Primzahldichte bei x zu untersuchen. Den Ansatz
MehrFaltung und Approximation von Funktionen
Faltung und Approximation von Funktionen Lisa Bauer und Anja Moldenhauer 9. Juni 2008 1 Die Faltung von Funktionen 1.1 Die Faltung Eine kleine Widerholung mit einem Zusatz: Vergleiche den Vortrag von Benjamin
Mehr1 Reihen von Zahlen. Inhalt:
5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
MehrMathematik 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
MehrProseminar eanalysis SS Historischer Überblick zur Entstehung der Theorie der Fourierreihen
Proseminar eanalysis SS 2007 Historischer Überblick zur Entstehung der Theorie der Fourierreihen Ernst Albrecht Ausgangsproblem Gegeben sei eine homogen mit Masse belegte und vorgespannte Saite, die in
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
Mehr10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit
10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
MehrFourier-Reihen: Definitionen und Beispiele
Fourier-Reihen: Definitionen und Beispiele Die Fourieranalysis beschäftigt sich mit dem Problem Funktionen in Kosinus und Sinus zu entwickeln. Diese Darstellungen sind in der Mathematik sowie in der Physik
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
Mehri=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,
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrVorlesung 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,
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
Mehr18 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
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
Mehr7 Stetige Funktionen. Grenzwerte
7 Stetige Funktionen. Grenzwerte 7.1 Stetigkeit Deinition: Eine Funktion : D heißt stetig im Punkt x D, wenn es zu jedem ein gibt derart, daß gilt: x x ür alle x D mit x x. Deinition: : D heißt Lipschitz-s
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrDem Anschein nach werden diese Zahlen kleiner und kleiner und streben gegen Null. Was sollen sie sonst auch tun? Aber der Begriff
47 5 Irrationales 5.1 Folgen, Konvergenz und Vollständigkeit Eine Abbildung a : N R definiert eine Folge von reellen Werten a 1 = a(1), a 2 = a(2), a 3 = a(3),... Solche Zahlenfolgen werden uns dazu dienen,
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrZusammenfassung zur Konvergenz von Folgen
Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei
Mehr2. 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
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrKapitel 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
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrMathematik I. Vorlesung 24. Reihen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 24 Reihen Wir betrachten Reihen von komplexen Zahlen. Definition 24.1. Sei ( ) k N eine Folge von komplexen Zahlen. Unter der Reihe versteht
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
MehrFourier-Reihen. Thomas Peters Thomas Mathe-Seiten 1. Dezember 2004
Fourier-Reihen Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de. Dezember 4 Dieser Artikel gibt eine elementare Einführung in die Theorie der Fourier-Reihen. Er beginnt mit einer kurzen Analyse des
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrAnalysis II. Günther Hörmann & David Langer. Fakultät für Mathematik der Universität Wien
Bitte beachten (wurde in meinen damaligen VO klar kommuniziert): Der gesamte Analysis-Zyklus ist stark an die (25-28 verfügbaren Ausgaben der) Bücher von Forster angelehnt, mit Zusätzen aus Heuser und
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
Mehr,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5
3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber
MehrGleichmäßige 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
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrMathematik 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
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
MehrTutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014
Tutorübung 5 Analysis 2 für Lehramt TU Dortmund, Sommersemester 24 Aufgabe T Bestimme die Taylorreihen von (a) cos(x) um a. (b) ln(x) um a. (c) um a 2. +x Bestimme in allen Fällen das Taylorpolynom T n,a
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr