2. Integration. {x : f(x) <a+ 1 n }
|
|
- Artur Bach
- vor 6 Jahren
- Abrufe
Transkript
1 Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten Maß µ. r heißt endlich, falls µ(x) < 1. Unser wesentliches Beispiel für einen Maßraum ist X = R n mit der -lgebra der Lebesguemessbaren Mengen und dem Lebesgue-Maß. s langt, diesen Fall im uge zu behalten. s gibt jedoch noch viele weitere Beispiele, etwa die -lgebra der Borel-Mengen in R n (mit dem Lebesgue-Maß) oder X = mit der Potenzmenge = P und dem ählmaß Definition. ine Funktion f : X! R [{+1, 1} heißt messbar, falls für alle a 2 R die Menge {x 2 X : f(x) >a} messbar ist. Messbarkeit hängt nicht von dem Maß, sondern nur von der -lgebra ab. So kann man etwa von Borel-messbaren Funktionen f : R n! R zu sprechen, wo für jedes a 2 R die Menge {x : f(x) >a} eine Borel-Menge ist Bemerkung. bensogut hätte man fordern können (i) {x 2 X : f(x) a} messbar für alle a, (ii) {x 2 X : f(x) <a} messbar für alle a oder (iii) {x 2 X : f(x) apple a} messbar für alle a Beweis. Schreibe (1) (2) (3) {x : f(x) a} = \ 1 {x : f(x) >a n } n {x : f(x) <a} = X \{x : f(x) a} {x : f(x) apple a} = \ n {x : f(x) <a+ 1 n } (4) {x : f(x) >a} = X \{x : f(x) apple a} Dann folgt aus der Messbarkeit der Mengen in Definition 2.2 die von (1), daraus die von (2), daraus die von (3) daraus die von (4) und daraus wiederum die von denjenigen in Lemma. Jede stetige Funktion f : R n! R ist Borel- (und somit auch Lebesgue-)messbar. Beweis. {x 2 R n : f(x) >a} ist das Urbild der offenen Menge ]a, 1[ unter f, also offen und damit messbar Satz. Ist f messbar, so auch f (die Umkehrung gilt nicht). Sind f k messbar, so auch g 1 =supf k, h 1 =limsupf k, g 2 =inff k,h 2 =liminff k. Insbesondere: Sind f,g messbar, so auch max{f,g} und min{f,g}, noch spezieller auch die Funktionen f + = max{f,0} und f = min{f,0}. (d) Der Grenzwert einer punktweise konvergenten Folge messbarer Funktionen ist messbar. Sind f,g : X! R messbar, und ist F : R 2! R stetig, so ist die durch h(x) =F (f(x),g(x)) definierte Funktion messbar. Insbesondere: f + g und f g sind messbar.
2 chtung. Umgekehrt folgt aus der Stetigkeit von F : R! R und der Messbarkeit von f nicht die Messbarkeit von f F! 2.7. Definition Satz. s sei X. Diedurch 1 x 2 (x) = 0 x/2 definierte Funktion heißt charakteristische Funktion von. ine einfache Funktion ist eine Funktion der Form kx s = j=1 c j mit c j 2 R und j X paarweise disjunkt. Klar: Sind alle j messbar, so ist s messbar. Sind die c j außerdem paarweise verschieden, so sind mit s auch alle j messbar, denn dann ist k = {x : c k "<s(x) <c k + "} für hinreichend kleines ">0. u jeder Funktion f : X! R [ {±1} gibt es eine Folge s j einfacher Funktionen mit s j (x)! f(x) für alle x. Ist f zusätzlich messbar, so kann man die s j messbar wählen. Ist f messbar und 0, so kann man eine monoton wachsende Folge messbarer nichtnegativer s j finden. Beweis. Istf 0 so definiert man für k, j 2 N, 1 apple j apple k 2 k : kj = x : j 1 2 k apple f(x) < j 2 k und F k = {x : f(x) k}. Ist f messbar, so auch kj und F k. Nun setzen wir s k = k2 k X j=1 j j 1 2 k kj + k Fk Die Folge ist monoton wachsend, messbar, falls f messbar ist, und konvergiert punktweise gegen f. Für beliebiges f schreibt man f = f + f und wendet die Konstruktion auf f ± an Bemerkung. Ist f beschränkt, so konvergiert die obige Folge (s k ) sogar gleichmäßig gegen f Definition. s sei s = P k j=1 c j j nichtnegativ und messbar. Dann setzen wir kx sdµ= c j µ( j ) 2 R [{+1}. j=1 Ist f messbar und nichtnegativ, so setzt man fdµ=sup wobei s einfach und messbar ist mit 0 apple s apple f. sdµ,
3 11 Ist f messbar, so setzt man fdµ= f + dµ f dµ 2 R [ {±1} vorausgesetzt, es sind nicht beide Terme rechts unendlich. Die Funktion f heißt integrierbar (im Sinne von Lebesgue), falls beide Terme rechts endlich sind. Wir schreiben dann f 2 L 1 (X). Will man betonen, über welche Variablen integriert wird so schreibt man z.b. R f(x, y) dµ(y). Istµ das Lebesgue-Maß m auf R n, so schreibt man einfach dx statt dm bzw. dm(x). (d) Ist messbar, so definieren wir für messbares f: fdµ= f dµ. Wir schreiben f 2 L 1 (), falls f 2 L 1 (X) Lemma. s sei f : X! R [ {±1} messbar, X messbar. (d) (e) (f) Ist f auch beschränkt auf, undistµ() < 1, soistf 2 L 1 (). Ist a apple f(x) apple b für alle x 2 und ist µ() < 1, soist aµ() apple fdµapple bµ(). Sind f,g 2 L 1 () und ist f(x) apple g(x) für alle x 2, soist fdµapple gdµ. Sind f,g 2 L 1 (), c, d 2 R, soistcf + dg 2 L 1 () und cf + dg dµ = c fdµ+ d fdµ. Ist f messbar und µ() =0,soist fdµ=0. Ist f 2 L 1 () und messbar, so ist f 2 L 1 () Satz. s sei f 0 messbar. Wir definieren die Mengenfunktion ' f :!R [{+1} durch ' f () = R fdµ.dann ist ' f abzählbar additiv. Damit ist ' f wegen der Nichtnegativität sogar ein Maß. Dies liefert eine wichtige Beispielklasse von Maßen Folgerung. s sei f messbar, und es existiere R fdµ.istmessbar und N eine Nullmenge, so gilt fdµ= fdµ. [N Beweis. Schreibe [ N = [ N 0 (disjunkt), wobei N 0 = N \ ebenfalls Nullmenge ist. Nach Satz 2.12 und 2.11(e) ist f ± dµ = f ± dµ + f ± dµ = f ± dµ +0. [N N 0
4 Definition. Wir definieren eine Relation auf der Menge der Funktionen auf X durch f g, µ ({x : f(x) 6= g(x)}) = 0; gesprochen: f ist fast überall gleich g oder f = g f.ü.. Man sieht leicht, dass dies eine Äquivalenzrelation ist. Man sagt, eine igenschaft gelte fast überall auf X (bezüglich eines festen Maßes), falls die Menge, auf der die igenschaft verletzt ist, das Maß Null hat. Für X messbar schreibt man auch f = g f.ü. auf, falls µ({x : f(x) 6= g(x)}\) = Lemma. Gilt f = g fast überall, so sieht man leicht, dass (1) (2) (3) f messbar, g messbar fdµexistiert, gdµ existiert f 2 L 1, g 2 L 1 ; xistiert eines der beiden Integrale, so ist für jede messbare Teilmenge von X (4) fdµ= gdµ Bemerkung. Nullmengen spielen also bei der Integration keine Rolle. s ist daher üblich, L 1 (X) nicht als Menge von Funktionen zu sehen, sondern als Menge von Äquivalenzklassen von Funktionen. nders ausgedrückt: Man unterscheidet nicht zwischen zwei Funktionen, wenn sie außerhalb einer Nullmenge übereinstimmen. Beispielsweise identifiziert man die Nullfunktion auf R n und Lemma. Ist f 2 L 1 (X), so haben die Mengen {x : f(x) =+1} und {x : f(x) = 1} beide das Maß Null. s ist also f(x) < +1 f.ü.. Ist f 0 messbar und R fdµ=0,soistf =0fast überall. Beweis. folgt aus Wir schreiben {x : f(x) 6= 0} = [ j x : 1 j +1 apple f(x) < 1 j Q n, weil Q n eine Nullmenge ist. [{x : f(x) 1}; dies ist eine abzählbare disjunkte Vereinigung messbarer Mengen. Ist also f nicht fast überall Null, so hat eine dieser Mengen positives Maß, und die Behauptung folgt aus Lemma. Ist f 2 L 1 (X), soist f 2L 1 (X) und R fdµ apple R f dµ. Ist f messbar, g 2 L 1 (X) und f appleg, soistf 2 L 1 (X). Beweis. Schreibe = {x : f(x) also nach Satz 2.12 f dµ = so dass f 2L 1 (X). Wegen f + apple g, f apple g. 0} und B = {x : f(x) < 0}. DannistX = [ B (disjunkt), f dµ + f dµ = f + dµ + f B B f applef apple f folgt die bschätzung. dµ,
5 2.19. rinnerung. ine monoton wachsende Folge reeller ahlen (a k ) ist konvergent, falls sie beschränkt ist, ansonsten divergiert sie bestimmt gegen +1. Wir schreiben lim a k für den Grenzwert in R [{+1} Satz von Lebesgue über monotone Konvergenz. s sei (f j ) eine Folge messbarer Funktionen mit 0 apple f 1 (x) apple f 2 (x) apple... für alle x 2 X. Sei f : X! R [{+1} definiert durch f(x) =limf j (x). Danngilt lim f j dµ = fdµ= lim f j dµ 2 R [{+1} Satz von Lebesgue über dominierte Konvergenz. s sei (f j ) eine Folge messbarer Funktionen. Der Grenzwert f(x) =limf j (x) existiere fast überall. Ferner gebe es eine Funktion g 2 L 1 (X) mit f j (x) appleg(x) fast überall. Dann ist f 2 L 1 (X) und lim f j dµ = fdµ= lim f j dµ Satz (Stetigkeit parameterabhäniger Integrale). s sei T ein metrischer Raum (z. B. T R k ), t 0 2 T und f : T X! R eine Funktion mit folgenden igenschaften (i) (ii) Für jedes feste t 2 T ist f(t, ) messbar. 9g 2 L 1 (X) : f(t, x) appleg(x) fast überall. (iii) lim t!t0 f(t, x) =f(t 0,x) für fast alle x. Dann ist die bbildung (1) stetig in t 0. t 7! f(t, x) dµ(x) Beweis. Wegen Bedingung (ii) ist f für jedes t nach x integrierbar, somit die rechte Seite in Gleichung (1) definiert. Seien t k 2 T mit t k! t 0. Definiere f k (x) :=f(t k,x). Danngilt f k (x) apple g(x) fast überall f k (x)! f(t 0,x) fast überall Mit dominierter Konvergenz: R f(t k,x) dµ = R f k (x) dµ! R f(t 0,x) dµ Satz (Differenzieren unter dem Integral). s sei T offene Menge in R k, j 2{1,...,k}, und f : T X! R habe folgende igenschaften (i) (ii) (iii) Dann gilt Für jedes t 2 T ist f(t, ) integrierbar Für jedes x 2 X ist t 7! (t, x) stetig auf T (insbesondere existiere die bleitung). s gibt ein h 2 L 1 (X) mit (t, x) appleh(x) für alle t und x. Für jedes t ist x 7! (t, x) :X! R messbar.
6 14 R f(t, x) dµ(x) existiert für alle t und ist auf T partiell nach tj differenzierbar f(t, x) dµ(x) = (t, x) dµ(x). Beweis. Die partielle bleitung ist als punktweiser Grenzwert messbarer Funktionen messbar: Für jedes x ist f(t + he j,x) f(t, x) (t, x) =lim, h!0 h und die Funktionen auf der rechten Seite (parametrisiert durch h) sind messbar. s sei o.b.d.. k =1und F (t) = R f(t, x) dµ(x). Dannist F (t) F (t 0 ) f(t, x) f(t0,x) 1 = dµ(x) = t t 0 t t (t 0 + s(t 0 t 0 ),x) ds dµ(x). Nun ist für festes x und jede Folge t k! t 0 mit dem Satz von der dominierten Konvergenz (mit (ii)) 1 1 (1) lim k!1 (t 0 + s(t k t 0 ),x) ds = (t 0,x) ds (t 0,x). s folgt, wiederum mit dem Satz von der dominierten Konvergenz ((iii) für Dominieren, (1) für Konvergenz): 1 F 0 (t 0 )= lim k!1 (t 0 + s(t k t 0 ),x) ds dµ(x) (t 0,x) dµ(x) Satz: Vergleich mit dem Riemann-Integral. Ist f :[a, b]! R Riemann-integrierbar (also insbesondere beschränkt), so ist f 2 L 1 ([a, b]) und b f(x) dm = f(x) dx. [a,b] (Linke Seite im Sinne von Lebesgue, rechte Seite im Sinn von Riemann.) Man schreibt daher auch für Lebesgue-Integrale R b a statt R [a,b]. Ist f auf [a, b] beschränkt, so ist f genau dann Riemann integrierbar, wenn f fast überall stetig ist (d.h. das Maß aller Punkte, in denen f unstetig ist, ist Null). Ist I ein Intervall in R (eventuell halbunendlich oder = R) und f nichtnegativ und uneigentlich Riemann-integrierbar, so ist f 2 L 1 (I), und das Lebesgue-Integral stimmt mit dem uneigentlichen Riemann-Integral überein. (Wichtig: f 0!) a Warnung. Die ussagen f ist fast überall stetig und f ist fast überall gleich einer stetigen Funktion sind nicht äquivalent: Betrachte Q. Die Nichtnegativität von f in 2.24 ist wesentlich: Betrachte etwa f :[1, 1[! R, f(x) = ( 1) n /n auf [n, n + 1[.
7 Integration komplexwertiger Funktionen Definition. ine Funktion f : X! heißt messbar, falls ihr Realteil und ihr Imaginärteil messbare Funktionen sind. Sie heißt integrierbar (schreibe f 2 L 1 (X)), falls Real- und Imaginärteil integrierbar sind. Man setzt dann fdµ= Re fdµ+ i Im fdµ Lemma. Sind f 1,f 2 : X! messbar, so auch f 1 + f 2,f 1 f 2, f 1. Beweis. Re (f 1 + f 2 )=Ref 1 +Ref 2, Im (f 1 + f 2 )=Imf 1 +Imf 2. Re (f 1 f 2 )=(Ref 1 )(Re f 2 ) (Im f 1 )(Im f 2 ), Im (f 1 f 2 )=(Ref 1 )(Im f 2 )+(Imf 1 )(Re f 2 ). f 1 = (Re f 1 ) 2 +(Imf 1 ) 2 1/2. lle diese Funktionen sind messbar nach Lemma. Ist f : X! messbar, so gilt: f integrierbar, f integrierbar. Beweis. Dies folgt mit 2.18 aus den Ungleichungen Re f apple f, Im f apple f bzw. f apple Re f + Im f Bemerkung. Die Sätze der Integrationstheorie gelten auch für komplexwertige Funktionen. (d.h. 2.8,(d),(e),(f), 2.13, 2.15, 2.18, 2.21, 2.24). Die Beweise lassen sich alle direkt verallgemeinern; lediglich bei 2.18 muss man sich etwas überlegen: s gibt ein c 2 mit c =1,sodass R cf dµ = c R fdµreell und nichtnegativ ist. Schreibe cf = u + iv Dann ist u apple f, und es gilt: fdµ = cf dµ = udµapple fdµ; dabei gilt das letzte Gleichheitszeichen, weil das Integral reell ist Beispiel. Die Fouriertransformierte ˆf einer L 1 (R n )-Funktion f ist definiert durch ˆf( ) = e ix f(x) dx, 2 R n. Behauptung. ˆf ist stetig. Beweis Für k! in R n gilt: ˆf( k )= e ix k f(x) dx. Um zu zeigen, dass ˆf( k )! ˆf( ) wenden wir den Satz von der dominierten Konvergenz an: Weil e ix k =1ist, ist e ix kf(x) eine Folge in L 1 (R n ).sgilt (i) e ix kf(x)! e ix f(x) für jedes x, und (ii) e ix kf(x) = f(x) für alle k. Damit folgt lim ˆf( k )=lim e ix k f(x) dx dom Kvgz = e ix f(x) dx = ˆf( ).
4 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
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
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,
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
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
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrMaße 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
MehrAnalysis III Wintersemester 2003/2004. W. Ebeling
Analysis III Wintersemester 2003/2004 W. Ebeling 1 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de
MehrMathematik III. Vorlesung 71
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen
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,
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,
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
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
MehrMathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck
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
MehrHöhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016
Höhere Analysis Vorlesung Reiner Lauterbach M dω = M ω Universität Hamburg, WS 2015/2016 ii Inhaltsverzeichnis 12 Integration im R n 5 12.1 Mengenalgebren............................ 6 12.2 Inhalt 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
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
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
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
MehrLehrstuhl 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
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
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
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
Mehr3 Markov-Eigenschaft der Brownschen Bewegung
Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t
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
MehrKonvergenz 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
MehrMaß und Integral I und II. SS 2004 und WS 2004/05
Maß und Integral I und II SS 2004 und WS 2004/05 Vorlesung von Priv.-Doz. Dr. J. Dippon unter Verwendung einer Vorlesung von Prof. Dr. H. Walk im SS 2003 Inhaltsverzeichnis Bezeichnungen 3 1 Grundbegriffe
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,
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.
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrReelle 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
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
MehrSkript 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.,
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
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
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
MehrKurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser)
Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser) 13. Januar 2011 Inhaltsverzeichnis Vorwort..................................................
Mehr1 falls x 2. falls x = 1 und. 0 falls x > 1. eine Lebesgue-integrierbare Majorante. Somit können wir den Satz von Lebesgue anwenden:
Lösungsvorschläge zur Klausur 045 Maß- und Integrationstheorie WS 205/6 Lösungsvorschlag zu Aufgabe Sei f n der Integrant 0 falls x > 2 und f n x) falls x 2. 3+sin 2n)+x x 4n Sein punktweiser Grenzwert
MehrÜbungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.
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
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
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
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
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,
MehrBeweis. 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
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
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
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
MehrFraktale 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,
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-
ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- und WAHRSCHEINLICHKEITSTHEORIE im SS 2014 Übung Maß- und Integrationstheorie (SS 2014) 1 Aufgabe 1 (σ-algebra)
MehrAnalysis 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
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
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
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
Mehr3 Das n-dimensionale Integral
3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst
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.
MehrKONSTRUKTION 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
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
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
Mehrα + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus
4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F
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
MehrReelle 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
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
Mehr3 Topologische Gruppen
$Id: topgr.tex,v 1.2 2010/05/26 19:47:48 hk Exp hk $ 3 Topologische Gruppen Als letztes Beispiel eines topologischen Raums hatten wir die Zariski-Topologie auf dem C n betrachtet, in der die abgeschlossenen
MehrKapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL
Kapitel 16 SAT VON FUBINI UND DIE TRANSFORMATIONSFORMEL Im folgenden sind X und Y metrische Räume, oder allgemeiner topologische Hausdor räume, und sind Radon-Integrale auf X bzw. Y. Fassung vom 24. Januar
Mehr12.6 Aufgaben zur Laplace-Transformation
292 12. Aufgaben zu linearen Gleichungen 12.6 Aufgaben zur Laplace-Tranformation A B C D Man löe die folgenden Anfangwertprobleme durch Laplace-Tranformation: 1) ẍ ẋ x = ; x() = ẋ() = 1 2) x (3) 6ẍ + 12ẋ
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
MehrExistenz des Lebesgue-Borel-Maßes
A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen
Mehr3. Übungsblatt zur Analysis II
Fachbereich Mathematik Prof. Dr. Steffen Roch Nada Sissouno WS 9/ 9..9 3. Übungsblatt zur Analysis II Gruppenübung Majorantenkriterium für uneigentliche Riemann-Integrale: Es seien f : [, ) [, ) und g
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
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
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)
MehrÜbersicht Wahrscheinlichkeitsheorie
Übersicht Wahrscheinlichkeitsheorie Gunther Leobacher und Friedrich Pillichshammer Universität Linz, Institut für Finanzmathematik, Altenbergerstrasse 69, 4040 Linz, Austria E-mail: gunther.leobacher@jku.at,
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
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
MehrMengensysteme, 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
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
MehrSchwache 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
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
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
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
Mehr1 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
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
MehrStetige 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
MehrThema 4 Limiten und Stetigkeit von Funktionen
Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.
MehrUnterricht 13: Wiederholung.
, 1 I Unterricht 13: Wiederholung. Erinnerungen: Die kleinen Übungen nden diese Woche statt. Zur Prüfung müssen Sie Lichtbildausweis (Personalausweis oder Reisepass) Studierendenausweis mitbringen. I.1
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
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
MehrVII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)
VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien
MehrAnalysis 3. Stand 12. April Alle Rechte beim Autor.
Analysis 3 Steffen Börm Stand 12. April 2011 Alle Rechte beim Autor. Inhaltsverzeichnis 1 Einleitung 5 2 Grundlagen der Maßtheorie 7 2.1 Motivation................................... 7 2.2 Systeme von
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
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................
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
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
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
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
Mehrx k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert
4 Reihen Im Folgenden sei K R oder K C. 4. Definition. Es sei (x k ) Folge in K. Wir schreiben x k s und sagen, die Reihe x k konvergiere, falls die sogenannte Partialsummen-Folge s n x k n, 2,... in K
Mehr