3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung
|
|
- Otto Kalb
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitelgliederung 3. Folgen und Reihen 3.1 Folgen und Grenzwerte 3.2 Rechenregeln für konvergente Folgen 3.3 Monotone Folgen und Teilfolgen 3.4 Ein Algorithmus zur Wurzelberechnung 3.5 Reihen 3.6 Absolut konvergente Reihen 3.7 Die Exponentialreihe 3.8 Potenzreihen Buchholz / Rudolph: MafI 2 38 Buchholz / Rudolph: MafI Folgen und Grenzwerte Denition 3.1 (Folge) Unter einer Folge versteht man eine Abbildung f : N R. Jedem n N wird ein a n R zugeordnet. Man schreibt (a n ) n N oder (a 1, a 2,...). n Index der Folge a n Glieder der Folge Buchholz / Rudolph: MafI 2 40 Buchholz / Rudolph: MafI 2 41
2 f = (a n ) n N sei eine Folge, dann ist f := sup{ a n n N} die Norm der Folge. f = (a n ) n N sei eine Folge, dann ist f := sup{ a n n N} die Norm der Folge. Denition 3.2 (konvergente Folgen) Eine Folge (a n ) n N heiÿt konvergent gegen a R, falls gilt: zu jedem ε > 0 existiert ein n 0 N, sodass a n a < ε für alle n n 0 Buchholz / Rudolph: MafI 2 42 Buchholz / Rudolph: MafI 2 42 f = (a n ) n N sei eine Folge, dann ist f := sup{ a n n N} die Norm der Folge. Denition 3.2 (konvergente Folgen) Eine Folge (a n ) n N heiÿt konvergent gegen a R, falls gilt: zu jedem ε > 0 existiert ein n 0 N, sodass a n a < ε für alle n n 0 Falls f gegen a konvergiert, so nennt man a den Grenzwert von f und schreibt: lim a n = a oder a n a für n Eine Folge die gegen 0 konvergiert, heiÿt Nullfolge. Beachte, dass n 0 von ε abhängt! Buchholz / Rudolph: MafI 2 42 Buchholz / Rudolph: MafI 2 43
3 Falls f gegen a konvergiert, so nennt man a den Grenzwert von f und schreibt: lim a n = a oder a n a für n Eine Folge die gegen 0 konvergiert, heiÿt Nullfolge. Falls f gegen a konvergiert, so nennt man a den Grenzwert von f und schreibt: lim a n = a oder a n a für n Eine Folge die gegen 0 konvergiert, heiÿt Nullfolge. Satz 3.3 Der Grenzwert einer Folge ist, falls er existiert, eindeutig. Satz 3.3 Der Grenzwert einer Folge ist, falls er existiert, eindeutig. Die Annahme, dass zwei Grenzwerte existieren wird zum Widerspruch geführt indem gezeigt wird, dass der Abstand der beiden Grenzwerte zu groÿ ist und die Folge nur gegen einen von ihnen konvergieren kann. Buchholz / Rudolph: MafI 2 43 Buchholz / Rudolph: MafI 2 43 Denition 3.4 (Beschränkte Folge) Eine Folge f = (a n ) n N heiÿt nach oben (bzw. nach unten) beschränkt, falls es eine Konstante K R gibt, sodass a n K für alle n N (bzw. a n K für alle n N). Die Folge heiÿt beschränkt, falls a n K für alle n N. Denition 3.5 (Bestimmt divergente Folge) Eine Folge f = (a n ) n N heiÿt bestimmt divergent gegen, falls ein n 0 N existiert, sodass für alle n n 0, a n > 0 und ( 1 a n ) n N,n n0 gegen 0 konvergiert. Buchholz / Rudolph: MafI 2 44 Buchholz / Rudolph: MafI 2 45
4 Satz 3.6 Denition 3.5 (Bestimmt divergente Folge) Eine Folge f = (a n ) n N heiÿt bestimmt divergent gegen, falls ein n 0 N existiert, sodass für alle n n 0, a n > 0 und ( 1 a n ) n N,n n0 gegen 0 konvergiert. Jede konvergente Folge f ist beschränkt. Entsprechend kann man bestimmt Divergenz gegen denieren. Buchholz / Rudolph: MafI 2 45 Buchholz / Rudolph: MafI 2 46 Satz 3.6 Jede konvergente Folge f ist beschränkt. Satz 3.6 Jede konvergente Folge f ist beschränkt. Ab einem vorgegebenem Index n 0 weichen alle Glieder der Folge um nicht mehr als ein vorgegebenes ɛ vom Grenzwert ab. Damit kann kein Glied gröÿer als eines der Glieder mit Indizes kleiner n 0 oder der Grenzwert plus dem vorgegebenen ɛ sein. Durch diese Schritte wurde ein Grenzwert deniert. Ab einem vorgegebenem Index n 0 weichen alle Glieder der Folge um nicht mehr als ein vorgegebenes ɛ vom Grenzwert ab. Damit kann kein Glied gröÿer als eines der Glieder mit Indizes kleiner n 0 oder der Grenzwert plus dem vorgegebenen ɛ sein. Durch diese Schritte wurde ein Grenzwert deniert. Die Umkehrung des Satzes gilt natürlich nicht! Buchholz / Rudolph: MafI 2 46 Buchholz / Rudolph: MafI 2 46
5 3.2 Rechenregeln für konvergente Folgen Denition 3.7 (Rechenregeln für Folgen) Seien (a n ) n N und (b n ) n N zwei konvergente Folgen und c R. Dann denieren wir: 1. (a n ) n N + (b n ) n N = (a n + b n ) n N 2. c (a n ) n N = (c a n ) n N 3. (a n ) n N (b n ) n N = (a n b n ) ( ) n N (a n ) n N an 4. = falls (b n ) 0 für alle n N (b n ) n N b n n N Buchholz / Rudolph: MafI 2 47 Buchholz / Rudolph: MafI 2 48 Satz 3.8 (Grenzwerte kombinierter Folgen) Seien (a n ) n N und (b n ) n N zwei konvergente Folgen und c R. Dann gilt: i) lim (a n + b n ) = lim (a n) + lim (b n) ii) lim (c a n) = c lim (a n) iii) lim (a n b n ) = lim (a n) lim (b n) ( ) an iv) = lim b n lim b n 0. lim (a n) lim (b n) falls b n 0 für alle n N und Satz 3.8 (Grenzwerte kombinierter Folgen) Seien (a n ) n N und (b n ) n N zwei konvergente Folgen und c R. Dann gilt: i) lim (a n + b n ) = lim (a n) + lim (b n) ii) lim (c a n) = c lim (a n) iii) lim (a n b n ) = lim (a n) lim (b n) ( ) an iv) = lim b n lim b n 0. lim (a n) lim (b n) falls b n 0 für alle n N und Jeweils geschickter Einsatz der Denition des Grenzwertes von Folgen. Buchholz / Rudolph: MafI 2 49 Buchholz / Rudolph: MafI 2 49
6 Satz 3.9 Seien (a n ) n N und (b n ) n N zwei konvergente Folgen mit a n b n. Dann gilt auch lim a n lim b n. Satz 3.9 Seien (a n ) n N und (b n ) n N zwei konvergente Folgen mit a n b n. Dann gilt auch lim a n lim b n. Nachweis, dass der Grenzwert der Dierenzfolge c n = b n a n gröÿer gleich 0 ist. Buchholz / Rudolph: MafI 2 50 Buchholz / Rudolph: MafI 2 50 Satz 3.9 Seien (a n ) n N und (b n ) n N zwei konvergente Folgen mit a n b n. Dann gilt auch lim a n lim b n. Nachweis, dass der Grenzwert der Dierenzfolge c n = b n a n gröÿer gleich 0 ist. Satz 3.10 (Sandwich-Theorem) Seien (a n ) n N, (b n ) n N und (c n ) n N Folgen mit a n b n c n. Sind (a n ) n N und (c n ) n N konvergent mit lim a n = lim c n, dann ist auch (b n ) n N konvergent und es gilt lim a n = lim b n = lim c n. Vorsicht, der Satz gilt nicht, wenn durch < ersetzt wird! Buchholz / Rudolph: MafI 2 50 Buchholz / Rudolph: MafI 2 51
7 Satz 3.10 (Sandwich-Theorem) Seien (a n ) n N, (b n ) n N und (c n ) n N Folgen mit a n b n c n. Sind (a n ) n N und (c n ) n N konvergent mit lim a n = lim c n, dann ist auch (b n ) n N konvergent und es gilt 3.3 Monotone Folgen und Teilfolgen lim a n = lim b n = lim c n. Vorgabe von n 0 und ɛ für die Folgen a n und c n. Daraus Ableitung eines passenden n 0 und ɛ für Folge b n. Buchholz / Rudolph: MafI 2 51 Buchholz / Rudolph: MafI 2 52 Denition 3.11 (Monotone Folge) Eine Folge (a n ) n N heiÿt monoton wachsend, falls a n a n+1 für alle n N, streng monoton wachsend, falls a n < a n+1 für alle n N, monoton fallend, falls a n a n+1 für alle n N, und streng monoton fallend, falls a n > a n+1 für alle n N. Denition 3.12 (Teilfolge) Sei (a n ) n N eine Folge und n 1 < n 2 < n 3 <... eine aufsteigende unendliche Folge natürlicher Zahlen, dann heiÿt (a nk ) k N = a n1, a n2,... eine Teilfolge der Folge (a n ) n N. Buchholz / Rudolph: MafI 2 53 Buchholz / Rudolph: MafI 2 54
8 Satz 3.13 Jede Teilfolge (a nk ) k N einer konvergenten Folge (a n ) n N ist konvergent und es gilt lim a n k = lim a n = a. k Satz 3.13 Jede Teilfolge (a nk ) k N einer konvergenten Folge (a n ) n N ist konvergent und es gilt lim a n k = lim a n = a. k Das ɛ, n 0 -Kriterium gilt auch, wenn nur ein Teil der Folgenglieder betrachtet werden. Buchholz / Rudolph: MafI 2 55 Buchholz / Rudolph: MafI 2 55 Satz 3.14 (Divergenzkriterium) Besitzt eine Folge (a n ) n N i) eine divergente Teilfolge oder ii) zwei konvergente Teilfolgen (a nk ) k N und (a nl ) l N mit lim (a n k ) lim (a nl ) k l so ist die Folge divergent. Satz 3.14 (Divergenzkriterium) Besitzt eine Folge (a n ) n N i) eine divergente Teilfolge oder ii) zwei konvergente Teilfolgen (a nk ) k N und (a nl ) l N mit lim (a n k ) lim (a nl ) k l so ist die Folge divergent. i) folgt aus Satz 3.13 und bei ii) kann der Grenzwert nicht eindeutig sein, wenn die Folge konvergent wäre. Buchholz / Rudolph: MafI 2 56 Buchholz / Rudolph: MafI 2 56
9 Satz 3.15 (Konvergenzkriterium) Satz 3.15 (Konvergenzkriterium) Jede beschränkte monotone Folge ist konvergent. Genauer formuliert: i) Ist f = (a n ) n N monoton wachsend und nach oben beschränkt, so ist f konvergent und es gilt lim a n = sup{a n n N} ii) Ist f = (a n ) n N monoton fallend und nach unten beschränkt, so ist f konvergent und es gilt lim a n = inf{a n n N} Jede beschränkte monotone Folge ist konvergent. Genauer formuliert: i) Ist f = (a n ) n N monoton wachsend und nach oben beschränkt, so ist f konvergent und es gilt lim a n = sup{a n n N} ii) Ist f = (a n ) n N monoton fallend und nach unten beschränkt, so ist f konvergent und es gilt lim a n = inf{a n n N} Beschränkte Folgen haben ein Supremum bzw. Inmum. Es wird gezeigt, dass das Supremum (Inmum) dem Grenzwert bei monotonen Folgen entspricht. Buchholz / Rudolph: MafI 2 57 Buchholz / Rudolph: MafI 2 57 Satz 3.16 Satz 3.16 Jede Folge enthält eine monotone Teilfolge. Jede Folge enthält eine monotone Teilfolge. Betrachte Menge N 1 von nicht kleiner werdenden Elementen. Falls N 1 unbeschränkt, dann ist dies die monotone Teilfolge, ansonsten wir eine monoton fallende Folge rekursiv erzeugt. Buchholz / Rudolph: MafI 2 58 Buchholz / Rudolph: MafI 2 58
10 Satz 3.17 (Bolzano-Weierstraÿ) Jede beschränkte Folge (a n ) n N besitzt eine konvergente Teilfolge. Satz 3.17 (Bolzano-Weierstraÿ) Jede beschränkte Folge (a n ) n N besitzt eine konvergente Teilfolge. Folgt aus den Sätzen 3.15 und Buchholz / Rudolph: MafI 2 59 Buchholz / Rudolph: MafI 2 59 Denition 3.18 (Häufungspunkt) Für eine Folge (a n ) n N heiÿt a Häufungspunkt, wenn es eine Teilfolge (a nk ) k N von (a n ) n N gibt und lim k a n k = a. Denition 3.19 (Cauchy-Folge) Eine Folge (a n ) n N heiÿt Cauchy-Folge, wenn gilt: ε > 0 n 0 N n > n 0 a n a n0 < ε. Buchholz / Rudolph: MafI 2 60 Buchholz / Rudolph: MafI 2 61
11 Satz 3.20 Satz 3.20 i) Jede konvergente Folge ist eine Cauchy-Folge. ii) Jede Cauchy-Folge ist beschränkt. iii) Besitzt die Cauchy-Folge eine konvergente Teilfolge, so ist sie selbst konvergent. i) Jede konvergente Folge ist eine Cauchy-Folge. ii) Jede Cauchy-Folge ist beschränkt. iii) Besitzt die Cauchy-Folge eine konvergente Teilfolge, so ist sie selbst konvergent. i) aus der ε, n 0 Bedingung abgeleitet. ii) Ab n 0 kann kein Folgenglied gröÿer als a n0 + ε sein, damit kann kein Folgenglied gröÿer als max (max n n0 (a n ), a n0 + ε) sein. iii) Herleitung der ε, n 0 Bedingung für die Folgenglieder, die nicht zur konvergenten Teilfolge gehören. Buchholz / Rudolph: MafI 2 62 Buchholz / Rudolph: MafI 2 62 Satz 3.21 Jede Cauchy-Folge ist konvergent. Satz 3.21 Jede Cauchy-Folge ist konvergent. Folgt aus den vorherigen Sätzen. Buchholz / Rudolph: MafI 2 63 Buchholz / Rudolph: MafI 2 63
12 Korollar 3.22 Eine Folge (a n ) n N ist genau dann konvergent, wenn sie eine Cauchy-Folge ist. 3.4 Ein Algorithmus zur Wurzelberechnung Buchholz / Rudolph: MafI 2 64 Buchholz / Rudolph: MafI 2 65 Satz 3.23 Satz 3.23 Seien a > 0 und x 1 > 0 reelle Zahlen. Sei (x n ) n N deniert als x n+1 := 1(x 2 n + a x n ). Dann konvergiert (x n ) n N gegen a (d. h. x 2 = a). Seien a > 0 und x 1 > 0 reelle Zahlen. Sei (x n ) n N deniert als x n+1 := 1 2 (x n + a x n ). Dann konvergiert (x n ) n N gegen a (d. h. x 2 = a). In 4 Schritten: i) zeige x n > 0. ii) zeige x 2 n a für n > 1. iii) zeige x n+1 x n für n > 1. iv) zeige: Grenzwert der Folge ist gerade die gesuchte Wurzel. Buchholz / Rudolph: MafI 2 66 Buchholz / Rudolph: MafI 2 66
13 3.5 Reihen Denition 3.24 (Reihe) Man nennt den formalen Ausdruck a k = a 1 + a 2 + mit a k R eine (unendliche) Reihe und s n = n a k die n-te Teilsumme. Wenn die Folge der Teilsummen konvergiert, dann heiÿt die Reihe konvergent. Eine nicht konvergente Reihe heiÿt divergent. Konvergiert sogar a k, so nennt man die Reihe absolut konvergent. Buchholz / Rudolph: MafI 2 67 Buchholz / Rudolph: MafI 2 68 Korollar 3.25 (Cauchy-Konvergenzkriterium) Die Reihe a k konvergiert genau dann, wenn es zu jedem ε > 0 ein n n 0 N gibt, sodass a k < ε für alle n m n 0. k=m Satz 3.26 Eine Reihe a k mit a k 0 für alle k N konvergiert genau dann, wenn die Folge der Teilsummen beschränkt ist. Buchholz / Rudolph: MafI 2 69 Buchholz / Rudolph: MafI 2 70
14 Satz 3.27 (Rechnen mit konvergenter Reihe) Satz 3.26 Eine Reihe a k mit a k 0 für alle k N konvergiert genau dann, wenn die Folge der Teilsummen beschränkt ist. s n ist monoton wachsend, so dass Satz 3.15 gilt. Bei unbeschränkten Teilsummen gilt oensichtlich lim s n =, so dass die Reihe divergent ist. Buchholz / Rudolph: MafI 2 70 i) Seien a k und b k konvergente Reihen, so sind auch (a k + b k ) und (a k b k ) konvergent, und es gilt: (a k + b k ) = a k + b k und (a k b k ) = a k b k. ii) Ist die Reihe a k konvergent und c R, dann gilt: c a k = c a k. Buchholz / Rudolph: MafI 2 71 Satz 3.27 (Fortsetzung) iii) Für jedes l N mit l > 1 gilt: a k konvergent a k konvergent. k=l iv) Sind die Reihen a k und a k b k k N, so gilt b k konvergent und gilt a k b k. Satz 3.27 (Fortsetzung) iii) Für jedes l N mit l > 1 gilt: a k konvergent a k konvergent. k=l iv) Sind die Reihen a k und a k b k k N, so gilt b k konvergent und gilt a k b k. Wie bei der Grenzwertbestimmung konvergenter Folgen. Buchholz / Rudolph: MafI 2 72 Buchholz / Rudolph: MafI 2 72
15 Satz 3.28 (Leibniz Kriterium) Sei (a k ) k N eine monoton fallende Folge reeller nicht negativer Zahlen mit lim a k = 0. Dann konvergiert die alternierende Reihe ( 1) k a k. k Satz 3.28 (Leibniz Kriterium) Sei (a k ) k N eine monoton fallende Folge reeller nicht negativer Zahlen mit lim a k = 0. Dann konvergiert die alternierende Reihe ( 1) k a k. k Betrachte die Teilfolgen mit positivem und negativem Vorzeichen und zeige die Konvergenz gegen einen identischen Grenzwert. Buchholz / Rudolph: MafI 2 73 Buchholz / Rudolph: MafI Absolut konvergente Reihen Satz 3.29 Wenn die Reihe a k absolut konvergiert, so konvergiert sie auch im gewöhnlichen Sinne. Buchholz / Rudolph: MafI 2 74 Buchholz / Rudolph: MafI 2 75
16 Satz 3.29 Wenn die Reihe a k absolut konvergiert, so konvergiert sie auch im gewöhnlichen Sinne. Nutzung der Dreiecksungleichung. Satz 3.30 (Majorantenkriterium) Sei c k eine konvergente Reihe mit ausschlieÿlich nicht-negativen Gliedern und (a k ) k N eine Folge mit a k c k für alle k N, dann konvergiert die Reihe a k absolut. Buchholz / Rudolph: MafI 2 75 Buchholz / Rudolph: MafI 2 76 Satz 3.30 (Majorantenkriterium) Sei c k eine konvergente Reihe mit ausschlieÿlich nicht-negativen Gliedern und (a k ) k N eine Folge mit a k c k für alle k N, dann konvergiert die Reihe a k absolut. Nutzung der ε, n 0 Bedingung für die Partialsummen und der Rechenregeln für konvergente Reihen. Satz 3.31 (Minorantenkriterium) Sei c k eine divergente Reihe mit ausschlieÿlich nicht-negativen Gliedern und (a k ) k N eine Folge mit a k c k für alle k N. Dann divergiert die Reihe a k. Buchholz / Rudolph: MafI 2 76 Buchholz / Rudolph: MafI 2 77
17 Satz 3.31 (Minorantenkriterium) Sei c k eine divergente Reihe mit ausschlieÿlich nicht-negativen Gliedern und (a k ) k N eine Folge mit a k c k für alle k N. Dann divergiert die Reihe a k. Satz 3.32 (Wurzelkriterium) Sei a k eine Reihe. Gibt es ein c R und q R mit 0 q < 1, sodass a k c q k für alle k N, dann ist die Reihe absolut konvergent. Ähnlich zum Majorantenkriterium. Buchholz / Rudolph: MafI 2 77 Buchholz / Rudolph: MafI 2 78 Satz 3.32 (Wurzelkriterium) Sei a k eine Reihe. Gibt es ein c R und q R mit 0 q < 1, sodass a k c q k für alle k N, dann ist die Reihe absolut konvergent. Nutzung der geometrischen Reihe als Majorante. Satz 3.33 (Quotientenkriterium) Sei a k eine Reihe mit a k 0 für alle k n 0. Es gebe eine reelle Zahl q R mit 0 < q < 1, sodass < q für alle k n0, dann ist die Reihe absolut konvergent. a k+1 a k Buchholz / Rudolph: MafI 2 78 Buchholz / Rudolph: MafI 2 79
18 Satz 3.33 (Quotientenkriterium) Sei a k eine Reihe mit a k 0 für alle k n 0. Es gebe eine reelle Zahl q R mit 0 < q < 1, sodass < q für alle k n0, dann ist die Reihe absolut konvergent. a k+1 a k Satz 3.34 (Umordnung) Sei a k eine absolut konvergente Reihe. Dann konvergiert jede Umordnung der Glieder der Reihe gegen den selben Grenzwert. Nutzung der geometrischen Reihe als Majorante (wie im Wurzelkriterium). Buchholz / Rudolph: MafI 2 79 Buchholz / Rudolph: MafI 2 80 Satz 3.34 (Umordnung) Sei a k eine absolut konvergente Reihe. Dann konvergiert jede Umordnung der Glieder der Reihe gegen den selben Grenzwert. 3.7 Die Exponentialreihe Darstellung der Umordnung als bijektive Abbildung und Berechnung von zwei Teilsummen für gegebenes ε, n 0, eine mit allen Indizes 1,..., n 0 und eine für die restlichen Indizes. Buchholz / Rudolph: MafI 2 80 Buchholz / Rudolph: MafI 2 81
19 Satz 3.35 (Exponentialreihe) Für jedes x R ist die Exponentialreihe absolut konvergent. exp(x) = x k k! Satz 3.35 (Exponentialreihe) Für jedes x R ist die Exponentialreihe absolut konvergent. exp(x) = Mit Hilfe des Quotientenkriteriums. x k k! Buchholz / Rudolph: MafI 2 82 Buchholz / Rudolph: MafI 2 82 Satz 3.36 (Cauchy-Produkt) Seien a k und b k absolut konvergente Reihen. Für n N sei n c n := a k b n k = a 0 b n + a 1 b n a n b 0. Dann ist die Reihe ( ) ( ) c k = a k b k absolut konvergent. Satz 3.36 (Cauchy-Produkt) Seien a k und b k absolut konvergente Reihen. Für n N sei n c n := a k b n k = a 0 b n + a 1 b n a n b 0. Dann ist die Reihe ( ) ( ) c k = a k b k absolut konvergent. Beweis über zwei Indexmengen, von denen eine alle Indizes umfasst und die zweite nur einen Teil der Indizes umfasst. Nachweis, dass die Dierenz der beiden Reihen gegen 0 konvergiert. Buchholz / Rudolph: MafI 2 83 Buchholz / Rudolph: MafI 2 83
20 Satz 3.37 (Eigenschaften der Exponentialreihe) Satz 3.37 (Eigenschaften der Exponentialreihe) Für die Exponentialreihe exp(x) gelten folgende Eigenschaften: i) x, y R. exp(x + y) = exp(x) exp(y) ii) x R. exp( x) = 1 exp(x) iii) x R. exp(x) > 0 iv) n Z. exp(n) = e n Für die Exponentialreihe exp(x) gelten folgende Eigenschaften: i) x, y R. exp(x + y) = exp(x) exp(y) ii) x R. exp( x) = 1 exp(x) iii) x R. exp(x) > 0 iv) n Z. exp(n) = e n i) Nutzung der Ergebnisse für das Cauchy-Produkt. ii) Nutzung von i) und Berechnung von exp(x) exp( x). iii) Einsetzen in die Reihenformel für x > 0 und Nutzung von ii) für x < 0. iv) per Induktion. Buchholz / Rudolph: MafI 2 84 Buchholz / Rudolph: MafI Potenzreihen Denition 3.38 Sei (a k ) k N0 eine Folge und x R, dann ist eine Potenzreihe P(x) wie folgt deniert: P(x) = a k x k = a 0 + a 1 x + a 2 x mit a k R. Buchholz / Rudolph: MafI 2 85 Buchholz / Rudolph: MafI 2 86
21 Denition 3.38 Sei (a k ) k N0 eine Folge und x R, dann ist eine Potenzreihe P(x) wie folgt deniert: P(x) = a k x k = a 0 + a 1 x + a 2 x Satz 3.39 (Konvergenz von Potenzreihen) Konvergiert eine Potenzreihe P(x) in einem Punkt x 0 0, so konvergiert sie in jedem Punkt x mit x < x 0 absolut. mit a k R. Alternative Darstellung: P(x) = a k (x x 0 ) k = a 0 + a 1 (x x 0 ) + a 2 (x x 0 ) Buchholz / Rudolph: MafI 2 86 Buchholz / Rudolph: MafI 2 87 Satz 3.39 (Konvergenz von Potenzreihen) Konvergiert eine Potenzreihe P(x) in einem Punkt x 0 0, so konvergiert sie in jedem Punkt x mit x < x 0 absolut. Beweis mit Hilfe des Wurzelkriteriums. Satz 3.39 (Konvergenz von Potenzreihen) Konvergiert eine Potenzreihe P(x) in einem Punkt x 0 0, so konvergiert sie in jedem Punkt x mit x < x 0 absolut. Beweis mit Hilfe des Wurzelkriteriums. Konvergenzradius einer Potenzreihe r = sup {x R P(x) konvergiert}. Buchholz / Rudolph: MafI 2 87 Buchholz / Rudolph: MafI 2 87
2.12 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
MehrInoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004
Höhere Mathεmatik für Informatiker Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2 24 ii Inhaltsverzeichnis I Eindimensionale
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrFolgen. Kapitel 3. 3.1 Zinsrechnung
Kapitel 3 Folgen Eine Folge reeller Zahlen ordnet natürlichen Zahlen jeweils eine reelle Zahl zu. Liegen beispielsweise volkswirtschaftliche Daten quartalsweise vor, so kann man diese als Folge interpretieren.
MehrAufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß
Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II Heinrich Voß Institut für Angewandte Mathematik der Universität Hamburg 99 Inhaltsverzeichnis Folgen und Reihen 2. Einführende
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
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrJurgen Muller Analysis I-IV
Jurgen Muller Analysis I-IV Skriptum zur Vorlesung Wintersemester 5/6 bis Sommersemester 7 Universitat Trier Fachbereich IV Mathematik/Analysis Dank an Elke Gawronski und Judith Wahlen fur die Mithilfe
MehrElemente der Analysis I: Zusammenfassung und Formelsammlung
Elemente der Analysis I: Zusammenfassung und Formelsammlung B. Schuster/ L. Frerick 9. Februar 200 Inhaltsverzeichnis Grundlagen 5. Mengen und Zahlen................................ 5.. Mengen...................................
MehrVorlesung Analysis I für Informatiker & Statistiker. Universität München, WS 11/12. Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.
Vorlesung Analysis I für Informatiker & Statistiker Universität München, WS 11/12 Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.de Kapitel 1: Grundlagen 1.1 Aussagenlogik Elementare Aussagenlogik Definition
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrMathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08
Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08 Prof. Dr. M. v. Golitschek Institut für Mathematik Universität Würzburg Literatur: Suchen Sie doch hin und wieder die Bibliotheken
MehrAnalysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum
Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen
MehrHandreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler)
1 Handreichung zur Mathematikvorlesung für Wirtschaftswissenschaftler) Dr.Dr. Christina Schneider 2 Hinweis Das vorliegende Manuskript versteht sich als kurze und kompakte Handreichung zu meiner Vorlesung
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
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Finanzmathematik 1 11 Folgen und Reihen 1 111 Folgen allgemein 1 112
MehrFormelsammlung. Folgen und Reihen
Lehrstuhl für BWL, insb. Mthemtik und Sttistik Dipl.-Mth. Mrie Hielscher Mthemtik für Betriebswirte II Formelsmmlung Folgen und Reihen en Folge n ) n N0 : D R, n n := n) mit D N 0 n-te Prtilsumme von n
MehrFolgen und endliche Summen
Kapitel 2 Folgen und endliche Summen Folgen und ihre Eigenschaften Endliche arithmetische und geometrische Folgen und Reihen Vollständige Induktion Anwendungen Folgen/endliche Summen Eigenschaften Folgen
Mehr1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,
1 Die reellen Zahlen 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, präzise und logisch zu denken, komplexe Strukturen schnell und gründlich zu erfassen, Dinge kritisch zu hinterfragen
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr22 Die trigonometrischen Funktionen und die Hyperbelfunktionen
22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
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
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrAufgabensammlung zur Vorlesung. Höhere Mathematik für Wirtschaftswissenschaftler
Aufgabensammlung zur Vorlesung Höhere Mathematik für Wirtschaftswissenschaftler Freiberg, den 7. Juni 0 Inhaltsverzeichnis Kapitel. Folgen und Reihen 5. Folgen, Reihen, Grenzwerte 5. Finanzmathematik
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrPageRank-Algorithmus
Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.
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,
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Mehr1. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester 2013
O. Alaya, R. Bauer K. Sanei Kashani, F. Kissling, B. Krinn, J. Schmid, T. Vassias. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshinweise zu den
MehrKomplexität und Komplexitätsklassen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.
Mehr3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrMathematik 2 für Wirtschaftsinformatik
Mathematik 2 für Wirtschaftsinformatik Sommersemester 2012 Stefan Etschberger Hochschule Augsburg Vorlesungsbegleitende Unterlagen Arbeitsmaterial: Foliensatz Aufgabenskript Mitschrift auf Wunsch Bücher:
MehrEin Aufschrieb der Vorlesung Analysis I an der Uni Karlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog.
Anlysis I Ein Aufschrieb der Vorlesung Anlysis I n der Uni Krlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog. GeTEXt von Andres Klöckner (k@ixion.net). Für Kommentre und Berichtigungen
MehrVorkurs Mathematik der Universität Münster 2004. Friedrich Ischebeck
Vorkurs Mathematik der Universität Münster 004 Friedrich Ischebeck Vorwort Eigentlich sollte die Beschäftigung mit der Mathematik ja Vergnügen bereiten! Aber auch wenn man nicht erwartet, dass sie ein
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrEINFÜHRUNG IN DIE KOMPLEXE ANALYSIS
EINFÜHRUNG IN DIE KOMPLEXE ANALYSIS WERNER MÜLLER Sommersemester 205 Inhaltsverzeichnis 0. Die komplexen Zahlen 3. Holomorphe Funktionen 6 2. Die Cauchy-Riemannschen Differentialgleichungen 9 3. Potenzreihen
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
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
MehrDie Weierstraßsche Funktion
Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrNicht-archimedische Zahlen
Skript zur Vorlesung Nicht-archimedische Zahlen Wintersemester 2012/13 Frankfurt am Main Prof. Dr. Annette Werner Inhaltsverzeichnis 1 Einleitung 1 2 Nicht-archimedische Absolutbeträge 2 3 Bälle und Topologie
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrVorkurs Mathematik für Ingenieure. Aufgaben und Lösungsvorschläge
Universität Duisburg-Essen, Campus Duisburg herausgegeben von der Fakultät für Ingenieurwissenschaften Vorkurs Mathematik für Ingenieure Aufgaben und Lösungsvorschläge Wintersemester 0/03 von Wolfgang
MehrPrimzahlzertifikat von Pratt
Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren
MehrDie p-adischen Zahlen
Universität Bielefeld Algebra Die p-adischen Zahlen Seminararbeit von Denny Otten FAKULTÄT FÜR MATHEMATIK Datum: 29. Oktober 2006 Betreuung: Prof. Dr. Dr. K. Tent Dipl.-Math. G. Hainke Dipl.-Math. L. Scheele
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
MehrVom goldenen Schnitt zum Alexanderplatz in Berlin
Vom goldenen Schnitt zum Alexanderplatz in Berlin Mathematik von 1200 bis 2004 Stefan Kühling, Fachbereich Mathematik skuehling @ fsmath.mathematik.uni-dortmund.de Schnupper Uni 26. August 2004 1 1 Goldener
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
MehrDie Cantor-Funktion. Stephan Welz
Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser
MehrElementare Zahlentheorie (Version 1)
Elementare Zahlentheorie (Version (Winter Semester, 2005-6 Zur Notation N ist die Menge der natürlichen Zahlen:, 2, 3, 4, 5,... und so weiter. Z ist die Menge aller ganzen Zahlen:..., 4, 3, 2,, 0,, 2,
MehrEine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen
Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen von Christian Brennecke Bachelorarbeit in Mathematik vorgelegt der Fakultät für Mathematik
MehrLernzettel Mathe Inhaltsverzeichnis
Lernzettel Mathe Inhaltsverzeichnis Aufgabe 1 - Vollständige Induktion 2 Aufgabe 2 - Grenzwertbestimmung 2 Aufgabe 3 - Lin/Log 2 Aufgabe 4 - Barwert/Endwert 3 Aufgabe 5 - Maximalstellen, steigend/fallend
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrAnalysis 2. Mitschrift von www.kuertz.name
Anlysis 2 Mitschrift von www.kuertz.nme Hinweis: Dies ist kein offizielles Script, sondern nur eine privte Mitschrift. Die Mitschriften sind teweilse unvollständig, flsch oder inktuell, d sie us dem Zeitrum
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrReelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010
Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de
MehrAnalytische Methoden und die Black-Scholes Modelle
Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
Mehr5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrGibt es verschiedene Arten unendlich? Dieter Wolke
Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen
MehrMathematik für ChemikerInnen I
Mathematik für ChemikerInnen I Prof. Dr. Ansgar Jüngel Institut für Mathematik Johannes Gutenberg-Universität Mainz Winter 26 unkorrigiertes Vorlesungsskript Inhaltsverzeichnis Motivation 3 2 Grundbegriffe
Mehr34 5. FINANZMATHEMATIK
34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrMαTZε frühstückt. Steffen Ohrendorf et al. http://earvillage.square7.ch. Revision 31 (14.01.2013)
MαTZε frühstückt Revision 31 (14.01.2013) Steffen Ohrendorf et al. http://earvillage.square7.ch Als Informatiker sollte man immer Linux zu Hause haben. Falls mal Besuch kommt. http://german-bash.org/83851
MehrAnalysis I im SS 2011 Kurzskript
Anlysis I im SS 2011 Kurzskript Prof. Dr. C. Löh Sommersemester 2011 Inhltsverzeichnis -2 Literturhinweise 2-1 Einführung 4 0 Grundlgen: Logik und Mengenlehre 5 1 Zählen, Zhlen, ngeordnete Körper 14 2
MehrQuantitative Risk Management
Quantitative Risk Management Copulas und Abhängigkeit Johannes Paschetag Mathematisches Institut der Universität zu Köln Wintersemester 2009/10 Betreuung: Prof. Schmidli, J. Eisenberg i Inhaltsverzeichnis
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
Mehr1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
MehrFormale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association
MehrMathematik für Wirtschaftswissenschaftler: Übungsaufgaben
Mathematik für Wirtschaftswissenschaftler: Übungsaufgaben an der Fachhochschule Heilbronn im Wintersemester 2002/2003 Dr. Matthias Fischer Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für
MehrAbiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann
Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden
MehrEinführung in die Funktionentheorie
Einführung in die Funktionentheorie Andreas Gathmann Vorlesungsskript TU Kaiserslautern 204/5 Inhaltsverzeichnis 0. Einleitung und Motivation..................... 3. Komplexe Zahlen.......................
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrRekursion und Iteration - Folgen und Web-Diagramme
Rekursion und Iteration - Folgen und Web-Diagramme Ac Einführungsbeispiel Quadratpflanze Ein Quadrat mit der Seitenlänge m wächst wie in der Grafik beschrieben: Figur Figur2 Figur3 Täglich kommt eine Generation
Mehr