31: Normierte Vektorräume
|
|
- Clemens Hermann
- vor 6 Jahren
- Abrufe
Transkript
1 31: Normierte Vektorräume Für eine systematische Behandlung von Grenzwert-Prozessen für Funktionenfolgen benötigen wir die allgemeine Definition der normierten Vektorräume und einen passenden Abstandsbegriff. Hierauf aufbauend behandeln wir im Weiteren (auch HM IV) die Fourier-Reihen den Banachschen Fixpunktsatz und seine Anwendungen Ein Teil der hier zusammengestellten Begriffe und Sätze wurde bereits im Kapitel über allgemeine Vektorräume definiert und bewiesen. Daher enthält dieser Abschnitt zum Teil Wiederholungen. Wieder werden Vektoren ohne Pfeil geschrieben. Höhere Mathematik Ver
2 Wiederholung: Norm, normierter Raum Wir wollen weitere Normen auf dem R n und C n Normen auf vielen weiteren Vektorräumen, z.b. dem Vektorraum der stetigen Funktionen CÖa,b Øf : Öa,b C f stetigù bzw. CÖa,b Øf : Öa,b R f stetigù kennenlernen Wiederholung: Norm, normierter Raum, vgl. 6.8 Es sei V ein reeller oder komplexer Vektorraum. Eine Norm auf V ist eine Abbildung Ð Ð : V R mit folgenden Eigenschaften: (i) Definitheit: ÐvÐ 0 für alle v È V, und (ÐvÐ 0 v 0), (ii) pos. Homogenität: ÐαvÐ α ÐvÐ für alle α È R bzw. C und v È V, (iii) Dreiecksungleichung: Ðv wð ÐvÐ ÐwÐ für alle v,w È V. Ein Vektorraum V mit einer Norm Ð Ð heißt ein normierter Raum. Höhere Mathematik Ver
3 Wiederholung: Norm, normierter Raum Bemerkungen: Die Norm liefert einen Abstands-Begriff: ÐvÐ ist der Abstand des Vektors v vom Nullpunkt 0 È V. Ðv wð ist der Abstand der beiden Vektoren v und w Genau wie es in 1.23(f) für den Betrag gemacht wurde, beweist man die zweite Dreiecksungleichung: In jedem normierten Raum gilt die Ungleichung Ðv wð ÐvÐ ÐwÐ. Höhere Mathematik Ver
4 Beispiele von Normen auf dem R n und C n 31.2 Beispiele von Normen auf dem R n und C n Euklidische Norm: ÐxÐ ÐxÐ 2 : x 1 2 x n 2 Maximumsnorm: ÐxÐ : maxø x 1,..., x n Ù Betragssummennorm: ÐxÐ 1 : x 1 x n Allgemein: für 1 p die sog. p-norm ÐxÐ p : Ô x 1 p... x n p Õ 1ßp. Höhere Mathematik Ver
5 Satz: Hölder- und Minkowski-Ungleichung Zum Beweis der Dreiecksungleichung für die p-normen benötigt man die Hölder-Ungleichung Satz: Hölder- und Minkowski-Ungleichung Wir definieren p p 1 (also ist 1 q zu 1 p den konjugierten Exponenten q und 1 1 p q 1), zu p 1 den konjugierten Exponenten q und zu p den konjugierten Exponenten q 1. Dann gilt für beliebige Vektoren x,y È R n die Ungleichung nô nô x k y k x k y k ÐxÐ p ÐyÐ q. k 1 k 1 Daraus folgt die Dreiecksungleichung, die hier Minkowski-Ungleichung heißt: Ðx yð p ÐxÐ p ÐyÐ p Höhere Mathematik Ver
6 Weitere Beispiele von Normen 31.4 Weitere Beispiele von Normen Der Vektorraum aller stetigen Funktionen auf dem abgeschlossenen und beschränkten Intervall I Öa,b wurde mit CÖa,b bezeichnet. Wir definieren verschiedene Normen auf diesem Vektorraum: Maximumsnorm: Ðf Ð : maxø f ÔxÕ x È Öa,b Ù. für 1 p die L p -Norm: Ðf Ð p : b a f ÔxÕ p dx«1ßp. Auch diese Norm ist wohldefiniert. Höhere Mathematik Ver
7 Satz: Hölder- und Minkowski-Ungleichung auf C Öa, b Mit der Monotonie folgt b b b f ÔxÕgÔxÕdx f ÔxÕ gôxõ dx Ðf Ð gôxõ dx Ðf Ð ÐgÐ 1. a a Dies ist eine Version der Hölder-Ungleichung für Integrale. Allgemein: a 31.5 Satz: Hölder- und Minkowski-Ungleichung auf C Öa, b Zu 1 p sei q der konjugierte Exponent wie in Dann gilt für stetige Funktionen f,g È CÖa,b b f ÔxÕgÔxÕdx Ðf Ð p ÐgÐ q. a Weiter gilt Ðf gð p Ðf Ð p ÐgÐ p Höhere Mathematik Ver
8 Konvergenz von Folgen und Reihen Nach den Überlegungen zur Geometrie normierter Räume kommen wir noch zur Topologie dieser Räume: Die Norm beinhaltet den Abstandsbegriff und ermöglicht die Einführung der Begriffe der Analysis wie im R n : 31.6 Konvergenz von Folgen und Reihen Eine Folge Ôv k Õ kèn von Elementen v k des normierten Raumes V heißt konvergent gegen v È V, wenn gilt lim Ðv v kð 0. k ô Eine Reihe v k mit Summanden v k È V heißt konvergent gegen w È V, wenn gilt k 1 lim N Nô w v 0. k Eine Teilmenge W eines normierten Raumes V heißt dicht, wenn es zu jedem k 1 ε 0 und jedem v È V ein w È W gibt mit Ðv wð ε. Höhere Mathematik Ver
9 Äquivalente Normen Bemerkung: 31.7 Äquivalente Normen Zwei Normen Ð.Ð 1 und Ð.Ð 2 auf einem Vektorraum heißen äquivalent, wenn Ðv v k Ð 1 0 zu Ðv v k Ð 2 0 äquivalent ist. Das ist genau dann der Fall, wenn es positive Konstanten C 1 und C 2 gibt, so dass für alle v im Vektorraum gilt C 1 ÐvÐ 1 ÐvÐ 2 C 2 ÐvÐ 1. (a) Alle Normen auf dem R n sind äquivalent: Die Konvergenz lim k v k v bzgl. einer Norm (z.b. der Maximums-Norm) zieht sofort die Konvergenz bezüglich aller anderen Normen nach sich: Dies folgt aus den Ungleichungen lim Ðv v kð p 0 für alle 1 p. k ÐvÐ ÐvÐ p n 1ßp ÐvÐ. Höhere Mathematik Ver
10 Äquivalente Normen (b) Die L p -Normen auf CÖa,b sind nicht äquivalent. Die Maximumsnorm (p ) führt auf den Konvergenzbegriff der gleichmäßigen Konvergenz: Å lim f k f lim max f k k kôxõ fôxõ 0. xèöa,b Die L 2-Norm auf CÖa,b führt auf die Konvergenz im quadratischen Mittel: b Å lim f k f lim f k ÔxÕ fôxõ 2 dx 0. k k a Es gibt keine Norm auf C Öa, b, die die punktweise Konvergenz induziert. Höhere Mathematik Ver
11 Cauchy-Folge, vollständig, Banachraum Wie beim Übergang von den rationalen Zahlen zu den reellen Zahlen gibt es auch bei normierten Räumen den Begriff der Vollständigkeit: 31.8 Cauchy-Folge, vollständig, Banachraum Eine Folge Ôv k Õ kèn von Elementen v k des normierten Raumes V heißt Cauchy-Folge, wenn gilt lim k,l Ðv k v l Ð 0. Ein normierter Raum V heißt vollständiger Raum oder Banachraum, wenn jede Cauchy-Folge einen Grenzwert v È V besitzt. Ein Skalarproduktraum (siehe 31.11) V heißt vollständiger Raum oder Hilbertraum, wenn jede Cauchy-Folge einen Grenzwert v È V besitzt. Höhere Mathematik Ver
12 Beispiele 31.9 Beispiele (a) R n ist mit jeder p-norm ein Banachraum, und mit der Euklidischen Norm (p 2) sogar ein Hilbertraum. (b) CÖa,b ist mit der Maximumsnorm ein Banachraum. (c) CÖa,b versehen mit der L 2-Norm ist nicht vollständig. Ein Beispiel einer Cauchy- Folge in CÖ 1,1 ohne einen Grenzwert in CÖ 1,1 ist ² 1 x 1 k f k ÔxÕ kx 1 ± x 1 k k 1 x 1 k,k 1,2,... Man erkennt, dass Ðf n f mð 2 2 2maxØ 1 n, 1 m Ù ist. Eine stetige Grenzfunktion müsste für x 0 den Wert 1 und für x 0 den Wert 1 haben. y 1 f m 1 1 n f n x Höhere Mathematik Ver
13 Norm und Stetigkeit Norm und Stetigkeit Seien V und W normierte Räume mit den Normen Ð.Ð V bzw. Ð.Ð W, D V, v 0 È V. f : D W sei eine Abbildung. f heißt in v 0 stetig, wenn gilt Ðv v 0 Ð V 0 Ðf ÔvÕ fôv 0 ÕÐ W 0. f heißt in D stetig, wenn f in jedem Punkt von D stetig ist. Besonders einfach ist es für lineare Abbildungen, die auf D : V definiert sind. Eine lineare Abbildung L : V W ist genau dann stetig, wenn sie in v 0 0 stetig ist. In diesem Fall bibt es ein C 0, so dass für alle v È V gilt: ÐLÔvÕÐ W CÐvÐ V Das Infimum aller C mit dieser Eigenschaft wird mit ÐLÐ bezeichnet. Es ist also immer ÐLÔvÕÐ W ÐLÐ ÐvÐ V, und es gibt keine kleinere Konstante als ÐLÐ mit dieser Eigenschaft. Höhere Mathematik Ver
14 Skalarprodukt und Norm Eine besonders wichtige Rolle spielen Skalarprodukträume Skalarprodukt und Norm Wie in 6.5 definieren wir: Ein Skalarprodukt auf einem Vektorraum V ist eine Abbildung Ôv,wÕ Üv,wÝ von V V in die reellen oder komplexen Zahlen, die definit, symmetrisch, linear in der ersten und antilinear in der zweiten Komponente ist. Wie in 6.8 bewiesen wurde, induziert das Skalarprodukt eine Norm durch ÐvÐ Üv,vÝ Jeder Skalarprodukt-Raum ist also auch ein normierter Raum. Die Umkehrung gilt i.a. nicht. Es gilt die Cauchy-Schwarz Ungleichung Üv,wÝ Üv,vÝ Üw,wÝ ÐvÐ ÐwÐ Höhere Mathematik Ver
15 Parallelogramm-Identität und Winkel Parallelogramm-Identität und Winkel (i) In einem Skalarproduktraum V gilt die Identität Ðv wð 2 Ðv wð 2 2ÔÐvÐ 2 ÐwÐ 2 Õ. Ô Õ (ii) Umgekehrt: Falls in einem normierten Raum V die Parallelogramm-Identität Ô Õ gilt, so ist durch Üv,wÝ : 1 Ðv wð 2 Ðv wð 2 4 bzw. im komplexen Fall Üv,wÝ : 1 Ðv wð 2 Ðv wð 2 iðv iwð 2 iðv iwð 2 4 ein Skalarprodukt definiert, das diese Norm induziert. (iii) In reellen Räumen ist durch cosôαõ Üv,wÝ ÐvÐ ÐwÐ der Winkel α Ôv,wÕ im Intervall 0 α π festgelegt. Höhere Mathematik Ver
16 Beispiel: die 2-Norm auf C ÔÖa, b Õ Beispiel: die 2-Norm auf CÔÖa,b Õ Der Vektorraum CÖa,b mit dem Skalarprodukt Üf,gÝ b a f ÔxÕgÔxÕdx, f,g È CÖa,b ist ein Skalarproduktraum. Die induzierte Norm ist die L 2 -Norm in ß2 b Ðf Ð 2 Üf,f Ý f ÔxÕ dx«2. a Die Cauchy-Schwarz Ungleichung heißt hier b «1ß2 b 1ß2 b f ÔxÕgÔxÕdx f ÔxÕ 2 dx gôxõ dx«2. a Dies ist ein Spezialfall (mit p q 2) der Hölder-Ungleichung. a a Höhere Mathematik Ver
17 Orthonormal-System Wieder gilt: v,w È V heißen orthogonal, wenn Üv,wÝ 0 gilt. Ein normierter Raum heißt separabel, wenn es eine abzählbare dichte Menge gibt. Wir betrachten hier nur separable Hilberträume Orthonormal-System Die Vektoren v 1,v 2,... im Skalarproduktraum V bilden ein Orthonormal-System (ONS), wenn gilt 0 für j k Üv j,v k Ý 1 für j k Das ONS heißt vollständig, wenn aus Üw,v j Ý 0 für alle j schon w 0 folgt. Zur Konstruktion von ONS kann (auch für unendlich viele Vektoren) das Gram-Schmidt-Verfahren (siehe 6.20) verwendet werden. Höhere Mathematik Ver
18 Satz des Pythagoras und Besselsche Ungleichung Satz des Pythagoras und Besselsche Ungleichung Falls die Vektoren v 1,v 2,...,v N im Skalarproduktraum V ein Orthonormal-System bilden, so gilt der Satz des Pythagoras 2 Nô Nô c k v c k k 2 Ôc k È C beliebigõ k 1 k 1 und die Besselsche Ungleichung Nô Üw,v k Ý 2 ÐwÐ 2 k 1 Ôw È V beliebigõ. Höhere Mathematik Ver
19 Orthonormalbasen und Parseval-Identität Orthonormalsysteme in Hilberträumen haben fast dieselben Eigenschaften wie in endlichdimensionalen Räume: Orthonormalbasen und Parseval-Identität Sei v 1,v 2,... ein vollständiges ONS in einem Skalarproduktraum V. Dann gilt: v 1,v 2,... ist eine Orthonormalbasis (ONB): es gilt für jeden Vektor w È V: w ô Üw,v k Ýv k k 1 Es gilt die Parsevalsche Identität ô Üw,v k Ý 2 ÐwÐ 2 k 1 Höhere Mathematik Ver
20 Orthogonalprojektion Orthonormalsysteme dienen zur Projektion auf den Teilraum Z span Ôv 1,...,v N Õ Orthogonalprojektion Die Vektoren v 1,v 2,...,v N seien ein Orthonormalsystem in V. Mit Z sei der obige Teilraum bezeichnet. Zu beliebigem w È V ist der Vektor PÔwÕ : Nô Üw,v k Ý v k k 1 die Orthogonal-Projektion von w auf den Teilraum Z, d.h. Üw PÔwÕ,zÝ 0 für alle z È Z. Höhere Mathematik Ver
21 Orthogonalprojektion (Forts.) Weiterhin gelten die Identitäten und ÐwÐ 2 Ðw PÔwÕÐ 2 ÐPÔwÕÐ 2, ÔiÕ Ðw zð 2 Ðw PÔwÕÐ 2 ÐPÔwÕ zð 2 für alle z È Z, ÔiiÕ also ist die Orthogonal-Projektion PÔw Õ È Z der eindeutig bestimmte Vektor im Teilraum Z mit minimalem Abstand vom Vektor w. Bemerkung: Man sieht an der expliziten Form in diesem Satz, dass die Orthogonalprojektion ein linearer Operator ist, dass also PÔαw 1 βw 2 Õ αpôw 1 Õ βpôw 2 Õ gilt. Höhere Mathematik Ver
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,
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
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
Mehr9 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
Mehr1 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
MehrEuklidische 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
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
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
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
Mehr35 Stetige lineare Abbildungen
171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.
MehrSatz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik
Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................
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
Mehr2 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,
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
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
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
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,
MehrLösungsvorschlag 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
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
MehrKapitel 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
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
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
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
MehrEinführung in die Funktionalanalysis
Einführung in die Funktionalanalysis Bernhard Gsell Skriptum zur Vorlesung gelesen von Prof. Wolfgang Woess 21. August 2014 Dies ist die Umsetzung meiner Vorlesungsmitschrift zu Einführung in die Funktionalanalysis,
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
MehrVollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.
Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
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
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
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
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
Mehr3 Konvergenz von Folgen und Reihen
3 KONVERGENZ VON FOLGEN UND REIHEN 3 Konvergenz von Folgen und Reihen 3.1 Normierte Vektorräume Definition: SeiV ein normierter Vektorraum überr. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrTopologische 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,
MehrNormen und Skalarprodukte
Kapitel 1 Normen und Skalarprodukte 1.1 Normen Definition (Norm). Sei V ein Vektorraum über K. Eine Funktion V R, v v heißt eine Norm auf V, wenn sie die nachfolgenden vier Eigenschaften erfüllt: (1) Nichtnegativität:
MehrZahlen 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
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
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,
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
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
MehrSkalarprodukt und Orthogonalität
Skalarprodukt und Orthogonalität Skalarprodukt und Orthogonalität in R n Wir erinnern an das euklidische Skalarprodukt im R 2 : Wir erinnern an das euklidische Skalarprodukt im R 2 : < a, b >:= α 1 β 1
MehrLineare Algebra II 9. Übungsblatt
Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)
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
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrZahlen 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,
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
MehrAnalytische Geometrie
Kapitel 2 Analytische Geometrie 21 Vektoren Die Elemente des kartesischen Produktes R n, d h die n Tupel oder Zeilenvektoren (a 1,, a n ) mit a k R für k n, interpretiert man als Punkte eines n dimensionalen
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,
MehrJürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 5: Skalarprodukt 5.1 Inhalte Didaktik der Linearen
MehrEinführung in die Analysis
Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
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]
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
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
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
Mehrn 1, n N \ {1}, 0 falls x = 0,
IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige
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,
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
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
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
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
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr7 Orthogonale und unitäre Matrizen
$Id: orthogonal.tex,v.6 2/7/ 4::3 hk Exp $ $Id: mdiffb.tex,v.3 2/7/ 4::5 hk Exp hk $ 7 Orthogonale und unitäre Matrizen 7.2 Drehungen Wir wollen uns jetzt mit Drehungen im dreidimensionalen Raum beschäftigen.
MehrVorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)
1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
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
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
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
MehrOberbegriff für Abstand und Winkel
Skalarprodukt ein Oberbegriff für Abstand und Winkel ranz Pauer, lorian Stampfer Institut für achdidaktik und Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2016 1. April
MehrKap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R
Definition: Zahlenfolge Kap. 10: Folgen und Reihen 10.1 Definition: Zahlenfolge Eine Funktion a : N Ñ R poder Cq heißt reelle (oder komplexe) Zahlenfolge. Man nennt a n apnq das n-te Folgenglied und schreibt
Mehr17 Logarithmus und allgemeine Potenz
7 Logarithmus und allgemeine Potenz 7. Der natürliche Logarithmus 7.3 Die allgemeine Potenz 7.4 Die Exponentialfunktion zur Basis a 7.5 Die Potenzfunktion zum Exponenten b 7.6 Die Logarithmusfunktion zur
MehrLineare Algebra: Theorie und Anwendungen
Lineare Algebra: Theorie und Anwendungen Sommersemester 2012 Bernhard Burgeth Universität des Saarlandes c 2010 2012, Bernhard Burgeth 1 VEKTOREN IN DER EBENE UND IM RAUM 2 1 Vektoren in der Ebene und
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
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
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr9 Konvergenz und absolute Konvergenz von Reihen
9 Konvergenz und absolute Konvergenz von Reihen 9.2 Konvergenz von Reihen 9.5 Monotoniekriterium für Reihen 9.6 Konvergenzkriterium von Cauchy für Reihen 9.9 Rechenregeln für konvergente Reihen 9.10 Absolute
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,
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
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
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrZ Zusätze. Z.1 Konvergenz in metrischen Räumen
251 Z Zusätze Z.1 Konvergenz in metrischen Räumen Z.1.1 Konvergenz von Zahlenfolgen. Wir hatten in 1.4.1 definiert: Eine Folge (a n ) n N reeller Zahlen heißt konvergent gegen den Grenzwert a, wenn es
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrEigenschaften kompakter Operatoren
Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften
MehrMathematik 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
MehrTeil 2 LINEARE ALGEBRA II
Teil 2 LINEARE ALGEBRA II 27 Kapitel VII Euklidische und unitäre Vektorräume Wir beschäftigen uns jetzt mit Vektorräumen, die noch eine zusätzliche Struktur tragen Der Winkel zwischen Vektoren im IR 2
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
MehrWir 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
MehrKapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C
Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0
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
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
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
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
Mehreine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.
Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...
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
MehrHöhere Mathematik für Naturwissenschaftler und Ingenieure
Günter Bärwolff Höhere Mathematik für Naturwissenschaftler und Ingenieure unter Mitarbeit von Gottfried Seifert ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spekt rum K-/1. AKADEMISCHER VERLAG AKADEMISC Inhaltsverzeichnis
Mehr