Skript zur Vorlesung Analysis 1

Größe: px
Ab Seite anzeigen:

Download "Skript zur Vorlesung Analysis 1"

Transkript

1 Skript zur Vorlesung Anlysis Wintersemester 202/203 Prof. Dr. Benjmin Schlein Diese Notizen sind eine Zusmmenfssung der Vorlesung Anlysis, die ich im Wintersemester n der Universität Bonn gehlten hbe, und sie sind nur ls Hilfsmittel für die Studenten dieser Vorlesung gemeint. Die Notizen wurden us verschiedenen Quellen zusmmengestellt, z.b. us den folgenden Büchern: O. Forster. Anlysis, Vieweg Verlg. S. Hildebrndt. Anlysis, Springer Verlg. K. Knigsberger. Anlysis, Springer Verlg. C. Bltter. Anlysis, Springer Verlg. Inhltsverzeichnis Grundbegriffe 3. Logik Mengen Funktionen Reltionen Zhlen 9 2. Die ntürlichen Zhlen Die rtionlen Zhlen Die reellen Zhlen Abzählbre und überbzählbre Mengen Die komplexen Zhlen Die Vektorräume R m Konvergenz von Folgen Konvergenz: Definition und elementre Eigenschften Monotone Folgen, Limessuperior und Limesinferior Häufungspunkte und Teilfolgen Cuchy-Folgen Uneigentliche Grenzwerte Reihen Definition und elementre Eigenschften Konvergenzkriterien und Anwendungen Umordnungen von Reihen Reihen mit bzählbren Indexmengen

2 5 Metrische Räume Konvergenz uf metrischen Räumen Offene und bgeschlossene Mengen Kompktheit Stetigkeit 6 6. Definition und elementre Eigenschften Grenzwerte von Funktionen Zwischenwertstz Stetigkeit und Topologie Stetige Funktionen uf kompkten Mengen Funktionenfolgen und Stetigkeit Potenzreihen und Elementrfunktionen Potenzreihen Die Exponentilfunktion Der Logrithmus Hyperbolische Funktionen Trigonometrische Funktionen Differentilrechnung Grundbegriffe Ableitungen und Optimierung Mittelwertstz Höhere Ableitungen Konvexität Tylor Polynome Tylorreihen und nlytische Funktionen Riemnn sches Integrl 9. Definition und elementre Eigenschften Huptstz der Integrlrechnung Integrtionsmethoden Integrtion von rtionlen Funktionen: Prtilbruchzerlegung Vertusch von Grenzübergng und Integrl Uneigentliche Integrle

3 Grundbegriffe. Logik In der Mthemtik versucht mn die Whrheit von Aussgen zu überprüfen. Axiom vom usgeschlossenen Dritten: Jede Aussge ist entweder whr oder flsch. Triviles Beispiel: die Aussge > 0 ist whr, die Aussge > 2 ist flsch. Ein weniger triviles Beispiel: Die Aussge > b + > b + ist whr, unbhängig von der Whl der Zhlen, b. Diese Aussge besgt nicht, ob > b whr ist; sie besgt nur, dss die Impliktion whr ist. Für zwei Aussgen A, B definieren wir die weitere Aussgen: A ist die Verneigung von A A B ist die Aussge: A und B A B ist die Aussge: A oder B (oder beide) A B ist die Aussge: A impliziert B A B ist die Aussge: A genu dnn wenn B Diese Aussgen werden durch die folgende Whrheitstfel definiert (w steht für whr, f für flsch) A B A A B A B A B A B w w f w w w w w f f f w f f f w w f w w f f f w f f w w Bemerke, noch einml, dss die Whrheit von A B nichts über die Whrheit von A besgt. Flls A flsch ist, so ist die Aussge A B immer whr. Stz.. Es gelten die Aussgen Beweis. Betrchte verschiedene Fälle. (A B) A B (A B) A B A B B A. Es werden oft Aussgen untersucht, die von einer Vriblen bhängen. Z.B. die Whrheit der Aussge n + 5 n 2 für n N, hängt von dem Wert von n b. Die Aussge ist whr für n = 0,, 2, sie ist flsch für n 3. Aussgen der Form A(n), die von einem Prmeter n bhängen (im 3

4 Beispiel n N, im Allgemeinen knn der Prmeter in irgendeiner Menge sein) heissen Aussgenformen. Zur Formulierung von mthemtischen Aussgen werden oft die Quntoren benutzt. Z.B. die Aussge es existiert! es existiert genu ein für lle A(x) x R trifft zu, flls die Aussgeform A(x) whr ist, für lle x R. Die Aussge x R : A(x) trifft dgegen zu, flls ein x R existiert, so dss A(x) stimmt. Bemerkung: Es gilt.2 Mengen (A(x) x X) x X : A(x) Eine Menge ist eine ungeordnete Zusmmenfssung von Elementen, Objekten. Zwei Mengen sind gleich, wenn sie die selben Elemente enthlten. Mn knn Mengen durch Angben von llen Elementen oder durch eine Aussge definieren. Z.B.: M = {0,, 2} oder M = {n N : n + 5 > n 2 } Besonderes Beispiel: bezeichnet die leere Menge, die kein Element enthält. Die Nottion x A bedeutet, dss x Element der Menge A ist. Die Nottion A B bedeutet, dss A eine Teilmenge von B ist. Diese Aussge trifft zu, flls x A x B Bechte, dss A B whr ist, flls A = B. Bemerke uch, dss A, für lle Mengen A. Ferner gilt A = B A B B A Konstruktion von Mengen: Seien A und B zwei Mengen. Dnn definieren wir A B := {x : x A x B} = Vereinigung von A und B A B := {x : x A x B} = Durchschnitt von A und B A\B := {x : x A x B} = Differenz A B := (A\B) (B\A) = Symmetrische Differenz Sind lle Menge unter Betrchtung Teilmenge einer gemeinsme Menge X, so bezeichnen wir mit A c := X\A ds Komplement von A in X. Bemerke, dss (A B) c = A c B c und (A B) c = A c B c Diese Beziehungen werden ls Morgn sche Regeln bezeichnet. 4

5 Definition.2. Sei M eine Menge. Dnn bezeichnet P (M) = {A : A M} die Potenzmenge von M; ds ist die Menge ller Teilmengen von M. P (M) ist nie leer, weil sie immer die leere Menge enthält. Mnchml wird P (M) uch mit 2 M bezeichnet, weil, flls m < die Anzhl Elementen in M bezeichnet, so enthält P (M) 2 m Elemente. Beispiel: Sei M = {0, }. Dnn gilt P (M) = {, {0}, {}, {0, }}. Für zwei Mengen A, B, definieren wir ds Produkt (oder ds Kreuzprodukt) der Mengen A und B ls die neue Menge A B := {(x, y) : x A y B} Elemente der Produktmenge A B sind geordnete Pre (x, y) wobei x A und y B. Zwei Pre (x, y ) und (x 2, y 2 ) sind genu dnn gleich, wenn x = x 2 und y = y 2. Bemerke, dss (, 2) (2, ) (dgegen stimmen die zwei Mengen {, 2} und {2, } überein). Also A B B A. Bespiel: ist die euklidische Ebene..3 Funktionen R R = {(x, y) : x R, y R} Definition.3. Seien M und N zwei Mengen. Eine Funktion f : M N ist eine Abbildung, eine Vorschrift, die jedem m M genu einen Wert f(m) N zuordnet. M heisst der Definitionsbereich von f, N der Zielbereich. Die Bildmenge oder der Wertebereich von f ist die Menge Rn f f(m) = {f(m) : m M} und besteht us llen Werten in N, die ttsächlich ngenommen werden. Ein einfches Beispiel ist die Identitätsfunktion. Sei M eine Menge. Dnn bezeichnet id M : M M die Funktion id M (x) = x für lle x M. Ein nderes Beispiel von Funktionen sind Folgen. Sei M eine Menge. Eine Folge uf M ist eine Abbildung f : N M definiert uf der Menge der ntürlichen Zhlen. Mn knn eine Folge ls eine strukturierte Liste von Elementen us M interpretieren. Mn benutzt mnchml die Nottion (f n ) n N. Sei nun f : M N eine Funktion. Dnn definieren wir für X M, Y N f(x) = {f(x) N : x X} Bild von X f (Y ) = {x M : f(x) Y } Urbild von Y Ds definiert zwei Abbildungen φ : P (M) P (N) und φ 2 : P (N) P (M) (φ bildet jede Teilmenge X M in f(x) N b, φ 2 bildet dgegen jede Teilmenge Y Y in f (Y ) b). 5

6 Beispiel: Seien M = {, 2, 3, 4, 5} und N = {, 2, 3}. Wir definieren die Funktion f : M N durch die Angben f() = f(2) = f(4) = und f(3) = f(5) = 2. f ist wohldefiniert, weil jedem m M genu ein Wert zuordnet wird. Die Bildmenge ist f(m) = {, 2}. Weiter f ({}) = {, 2, 4}, f ({2}) = {3, 5}, f ({3}) = Gegeben Funktionen f : M N und g : N P so knn mn die Verknüpfung g f : M P durch die Angbe definieren. (g f)(x) = g(f(x)) Stz.4. Die Verknüpfung von Funktionen ist ssozitiv, d.h. f (g h) = (f g) h Bemerkung: Die Verknüpfung von Funktionen ist dgegen im Allgemeinen nicht kommuttiv, d.h. f g g f. Definition.5. Eine Funktion f : M N heisst surjektiv, flls f(m) = N, d.h. flls Zielbereich und Bildmenge übereinstimmen und jeder Wert in N ngenommen wird. f heisst injektiv, flls f(x) = f(y) x = y f heisst bijektiv, flls f surjektiv und injektiv ist. Ist f : M N bijektiv, so n N! m M mit f(m) = n Mn knn lso in diesem Fll eine neue Funktion durch f : N M durch die Angbe f (n) = m flls f(m) = n definieren. Die Funktion f heisst die Inverse von f. Sie erfüllt f f = id M und f f = id N (diese zwei Eigenschften chrkterisieren f eindeutig). Bechte: Ds Urbild f (Y ) einer Teilmenge Y N ist immer wohldefiniert. Die inverse Funktion f dgegen ist nur wohldefiniert, flls f bijektiv ist. Sei f : M N eine Funktion. Dnn definiert G(f) := {(x, f(x)) M N : x M} den Grphen der Funktion f. Per Definition G(f) M N. 6

7 .4 Reltionen Definition.6. Sei M eine Menge. Eine Reltion uf M ist eine Teilmenge R von M M. Mn schreibt x y oder x R y und mn sgt x sei in Reltion mit y bezüglich R, flls (x, y) R. Beispiel: Der Grph jeder Funktion f : M M ist eine Reltion. Grphen von Funktionen sind spezielle Reltionen mit der Eigenschft, dss für lle x M, (x, y) G(f) genu für ein y M stimmt. Im Allgemeinen ist ds für Reltionen nicht der Fll. Eine wichtige Rolle spielen sogennnten Äquivlenzreltionen. Definition.7. Sei M eine Menge. Eine Teilmenge R M M heisst eine Äquivlenzreltion, flls: i) x R x für lle x M (R heisst in diesem Fll reflexiv). ii) x R y y R x, für lle x, y M (R heisst dnn symmetrisch). iii) x R y und y R z x R z, für lle x, y, z M (R heisst dnn trnsitiv). Beispiel: Sei M eine Menge. Dnn ist R = {(x, x) : x M} eine Äquivlenzreltion. Definition.8. Sei R eine Äquivlenzreltion uf einer Menge M. Für m M definiert dnn [m] := {x M : x R m} die Äquivlenzklsse von m. Ein beliebiges x [m] heisst ein Repräsentnt der Äquivlenzklsse [m]. Wir definieren die Quotientenmenge von M bezüglich R ls die Menge ller Äquivlenzklssen, d.h. M/ = {[m] : m M} Stz.9. Sei R eine Äquivlenzreltion uf einer Menge M. Dnn gilt [x] [y] [x] = [y] Es folgt, dss M = [m] M/ [m] eine disjunkte Zerlegung von M definiert. Eine ndere Art von Reltionen die in der Anlysis eine sehr wichtige Rolle spielen sind sogennnte Ordnungsreltionen. Definition.0. Eine Reltion R uf M heisst eine Ordnungsreltion, flls i) x R x für lle x M (reflexiv). ii) x R y und y R z x R z für lle x, y, z M (trnsitiv). iii) x R y und y R x x = y für lle x, y M (identiv). Ist R eine Ordnungsreltion, so schreiben wir x y sttt x R y. 7

8 Eine Menge M, versehen mit einer Ordnungsreltion, heisst eine geordnete Menge. Eine Ordnung uf M heisst totl, flls, für lle x, y M entweder x y oder y x gilt. Beispiele: (R, ) ist eine totl geordnete Menge. Für eine beliebige Menge M ist (P (M), ) eine geordnete, ber im Allgemeinen nicht totl geordnete Menge. Definition.. Sei (M, ) eine geordnete Menge, A M, A. m A heisst mximl in A, flls (x A) (m x) x = m m A heisst miniml in A, flls (x A) (x m) x = m Bemerke, dss, im Allgemeinen, mximle und minimle Elemente weder existieren noch eindeutig sein müssen. Ist ber die Ordnung uf M totl, so sind mximle und minimle Elemente, flls sie existieren, eindeutig. In der Tt, sind x, x 2 A zwei mximle Elemente von A M für eine totl geordnete Menge M, so muss entweder x x 2 oder x 2 x gelten. Gilt x x 2, so finden wir durch Anwendung der Ttsche, dss x mximl ist, x 2 = x. Gilt dgegen x 2 x, so folgt us der Mximlität von x 2, dss x = x 2. Also x = x 2 muss uf jedem Fll gelten. Anlog knn mn die Eindeutigkeit von minimlen Elementen zeigen. Definition.2. Sei (M, ) eine geordnete Menge, A M, A. m M heisst eine obere Schrnke für A, flls x m für lle x A. m M heisst eine untere Schrnke für A, flls m x für lle x A. Die Menge A heisst nch oben (bzw. unten) beschränkt, flls eine obere (bzw. untere) Schrnke existiert. Bemerke, obere und untere Schrnken für eine Menge A, im Gegenstz zu mximlen und minimlen Elementen, müssen nicht in der Menge A enthlten sein. Sei nun (M, ) eine totl geordnete Menge und A M eine nch oben beschränkte Menge. Sei B = {x M : x ist obere Schrnke für A} Nch Vorussetzung B. Enthält B ein minimles Element x B, so heisst x ds Supremum von A und wird mit x = sup A bezeichnet. Aus der Eindeutigkeit von mximlen und minimlen Elementen (in totl geordneten Mengen), erhlten wir, dss ds sup A, flls es existiert, eindeutig ist. Im Allgemeinen muss ds Supremum x = sup A nicht zur Menge A gehören (per Definition gehört sup A zur Menge der obere Schrnken von A). Gehört x = sup A zu der Menge A, dnn heisst x ds Mximum von A und wird mit mx A bezeichnet. Anlog knn mn ds Infimum von A, bezeichnet mit inf A, ls die grösste untere Schrnke von A definieren. Ist inf A A, so heisst inf A ds Minimum von A, bezeichnet mit min A. 8

9 2 Zhlen 2. Die ntürlichen Zhlen Wir kennen die ntürlichen Zhlen vom Zählen. Alle Eigenschften der ntürlichen Zhlen lssen sich us der Nchfolge-Abbildung ν(n) = n + herleiten. Ds ist die Idee der Peno-Axiome, die die Einführung der ntürlichen Zhlen formlisieren. Definition 2. (Peno Axiome). Die ntürlichen Zhlen bilden eine Menge N mit einem usgezeichneten Element 0 und mit einer Abbildung ν : N N mit den folgenden Eigenschften: P) ν ist injektiv und 0 Rn ν. P2) Prinzip der vollständigen Induktion: Ist A N, s.d. 0 A und, s.d. so ist A = N. n A ν(n) A Die Zhlen ν(0), ν(ν(0)),... werden ls, 2,... bezeichnet. Alle Eigenschften von N lssen sich us den Peno-Axiomen herleiten. Z.B. können wir uf N eine Ordnung definieren: Wir sgen k m, flls m = k oder flls m durch wiederholte Anwendung von ν uf k erreicht werden knn. Es ist einfch, sich zu überzeugen, dss dnn eine (totle) Ordnungsreltion definiert. Aus den Axiomen folgt, dss 0 n, n N. Auch die Summe uf N lässt sich durch wiederholte Anwendung von der Abbildung ν definieren. Stz 2.2 (Wohlordnungsprinzip). Jede nicht leere Teilmenge M N ht ein Minimum. Beweis. Wir betrchten die Menge A = {k N : k m, m M} der unteren Schrnken von M. Wir wissen, dss 0 A, weil 0 m, m N. Aus Annhme wissen wir, dss M nicht leer ist; d.h. m 0 M. Dnn gilt m 0 + A. Also A N. Ds Prinzip der vollständigen Induktion besgt, dss D ber 0 A, erhlten wir A N (0 A) ((n A) (n + ) A) ((n A) (n + ) A) n 0 A : (n 0 + ) A Wir behupten nun, n 0 ist ds gesuchte Minimum von M. Um diese Behuptung zu zeigen, bemerken wir, dss (n 0 + ) A p M : p < n 0 + p M : p n 0 D ber n 0 A, muss n 0 p. Also n 0 = p M. Ds impliziert, dss k n 0 für lle k A. D.h. n 0 ist ein mximles Element von A. D.h. n 0 = inf M. D n 0 M ist lso n 0 = min M. 9

10 Die Peno-Axiome liefern eine nützliche Methode, um die Whrheit von Aussgenformen über N zu beweisen. Proposition 2.3 (Induktiver Beweis). Es sei A(n) eine Aussgeform über N. Trifft A(0) zu und gilt die Aussge A(n) A(n + ) für lle n N so trifft A(n) für lle n N zu. Beweis. Sei B = {n N : A(n) trifft zu}. Wegen (P2) folgt us dss B = N. (0 B) (n B (n + ) B), Der Beweis von A(0) heisst die Induktionsvernkerung. Der Beweis der Impliktion A(n) A(n + ) ist der Induktionschritt. Verllgemeinerungen: Induktive Beweise können uch mit n = n 0 > 0 beginnen. D.h. es gilt: A(n 0 ) (A(n) A(n + ) für lle n n 0 ) A(n) für lle n n 0 Bei dem Induktionsschritt knn mn uch die Gültigkeit ller Aussgen A(k) für k n nnehmen. D.h. A(0) (A(0) A(n) A(n + ) für lle n N) A(n) für lle n N Beispiele: Für n sei A(n) die Aussge, dss (2n ) = n 2 Um A(n) für lle n N zu zeigen, genügt es zu bemerken, dss A() zutrifft und dss A(n) A(n + ) für lle n N zutrifft. Die Vernkerung ist klr. Um den Schritt zu zeigen, nehmen wir n, dss A(n) zutrifft und wir zeigen A(n+). Dzu bemerken wir, dss +3+ +(2(n+) ) = +3+ +(2n )+(2n+) = n 2 +(2n+) = (n+) 2 wobei wir die Annhme A(n) in der zweite Gleichheit benutzt hben. Wir behupten, jedes n N knn ls Produkt von Primzhlen geschrieben werden. Um diese Behuptung zu beweisen, definieren wir für n N\{0}, A(n) ls die Aussge, dss n ls Produkt von Primzhlen geschrieben werden knn. A() trifft offenbr zu (weil eine Primzhl ist). Wir nehmen nun n, dss A() A(n) zutrifft (d.h., dss A(k) für lle k n zutrifft) und wir zeigen, dss A(n + ) zutrifft. Dzu unterscheiden wir zwei Fälle: Ist (n + ) eine Primzhl, so sind wir fertig. Ist dgegen (n + ) keine Primzhl, so existieren p, q N mit n + = p q. D ber p, q < n sind, folgt us der Induktionsnnhme, dss p und q ls Produkt von Primzhlen fktorisiert werden können. Aus n + = p q können wir dnn uch n ls Produkt von Primzhlen schreiben. 0

11 Ds Prinzip der vollständigen Induktion knn mn benutzen, um induktive (oder rekursive) Definitionen zu formulieren. n!, gennnt n Fkultät, wird ls die Multipliktion ller gnzen Zhlen zwischen und n definiert, d.h. n! = 2 3 n mit der Konvention, dss 0! =. Dieselbe Grösse knn mn uch induktiv wie folgt definieren: Mn setzt 0! = und (n + )! = (n + ) n! für lle n N. D.h., (n + )! ist durch Verwendung von n! definiert, n! durch Verwendung von (n )!, usw. Die Ttsche, dss in dieser Weise n! wirklich für jede n N definiert wird, ist eine Folgerung us dem Prinzip der vollständigen Induktion. Proposition 2.4 (Rekursive Definitionen). Sei S eine Menge (im Beispiel oben S = N) und s 0 S (im Beispiel s 0 = ). Für jedes n N sei F n : S S eine Funktion (oben F n (m) = (n + ) m). Dnn existiert genu eine Funktion f : N S mit den Eigenschften f(0) = s 0 und f(n + ) = F n (f(n)) (im Beispiel f(n) = n!). Z.B. für eine Folge ( n ) n N mit Werten in irgendeiner Menge, wo eine Addition definiert ist, definieren wir die Summe n j für lle n N durch die rekursive Definition 0 n+ n j := 0 und j := j + n+ Ähnlich für eine Folge ( j ) j N mit Werten in irgendeiner Menge, wo eine Multipliktion definiert ist, definieren wir n j durch die rekursive Definition 0 j := Die rtionlen Zhlen und n+ j := n j n+ Problem bei den ntürlichen Zhlen: Summe und Multipliktion können im Allgemeinen nicht invertiert werden. Gegeben n, m N ist es i.a. nicht möglich, x, y N mit n = m + x und n = m y zu finden. Aus diesem Grund erweitert mn die Menge N und betrchtet grössere Zhlensysteme. Mn führt zunächst die Menge der gnzen Zhlen Z = {..., 2,, 0,, 2,... } ein. Auf Z ist die Summe invertierbr. Die Multipliktion ist ber immer noch nicht invertierbr. So geht mn weiter und führt die Menge der rtionlen Zhlen Q ein. Dmit mn uf Q die Multipliktion invertieren knn, muss Q Zhlen der Form p/q für lle p Z und q Z\{0} enthlten (x = p/q bezeichnet die Lösung der Gleichung p = x q). Mn könnte lso überlegen, Q ls den Kreuzprodukt Z (Z\{0}) einzuführen. Ds Problem dmit ist ber, dss die Drstellung p/q nicht eindeutig ist (weil z.b. die Gleichungen p = xq und 2p = x2q die selbe Lösung hben). Ds bedeutet, wir müssen einige Elemente in Z (Z\{0}) miteinnder identifizieren. Auf der Menge Z (Z\{0}) definieren wir dzu die Reltion (p, q ) (p 2, q 2 ) : p q 2 = p 2 q

12 Es ist einfch zu überprüfen, dss eine Äquivlenzreltion definiert. Die Äquivlenzklsse [(p, q)] = {(r, s) Z (Z\{0}) : rq = sp} enthält genu lle Pre (r, s) mit der Eigenschft p/q = r/s, lso lle Pre, die dieselbe rtionle Zhl drstellen sollen. Deswegen definieren wir Q = (Z (Z\{0}))/ = {[p/q] : p Z, q Z\{0}} Auf Q knn mn dnn eine Ordnung sowie eine Addition, eine Multipliktion, eine Subtrktion (die Inverse der Addition) und eine Division (die Inverse der Multipliktion) definieren. Alle beknnten Rechenregeln in Q werden dnn us dem folgenden Theorem zusmmengefsst. Theorem 2.5. Q ist ein geordneter Körper. Ds Theorem werden wir nicht beweisen, ber wir wollen zumindest seine Bedeutung erklären. Definition 2.6. Eine Menge K, versehen mit einer Addition + : K K K und einer Multipliktion : K K K heisst ein Körper, flls: A) x + y = y + x x, y K (Kommuttivität). A2) x + (y + z) = (x + y) + z x, y, z K (Associtivität). A3) 0 K (Null) mit x + 0 = x x K (Existenz eines neutrlen Elements). A4) x K y K mit x + y = 0. M) x y = y x, x, y K (Kommuttivität). M2) x (y z) = (x y) z x, y, z K (Associtivität). M3) ein Element 0 so dss x = x x K (Existenz eines neutrles Elements). M4) x 0 y K mit x y = (Existenz der Inverse). D) x (y + z) = x y + x z, x, y, z K (Distributivität). Bemerkungen: Die neutrlen Elemente sind eindeutig. Gibt es in der Tt 0, 0 K mit + 0 = und + 0 = für lle K, so gilt insbesondere = 0, = 0. Aus der Kommuttivität folgt, dss 0 = 0 (ähnlich ist eindeutig). Für beliebige x K ist die dditive Inverse eindeutig. Existieren in der Tt y, y 2 K mit x + y = x + y 2 = 0, so muss y = y + 0 = y + (x + y 2 ) = (y + x) + y 2 = (x + y ) + y 2 = 0 + y 2 = y 2 Die eindeutige y K mit x+y = 0 bezeichnet mn mit x. Für beliebige, b K definieren wir dnn die Subtrktion b := + ( b). 2

13 Ähnlich zeigt mn die Eindeutigkeit der multipliktiven Inverse zu jeder x K\{0}. Die eindeutige multipliktive Inverse zu x K\{0} bezeichnet mn mit /x. Für beliebige, b K, mit b 0 definieren wir dnn die Division /b = (/b). Die Rechenregeln ( ) =, /(/) = (für 0), 0 = 0, ( ) =, ( ) ( ) =, (b c) = b c, b = 0 = 0 b = 0 folgen lle us den Axiomen von Körpern. Definition 2.7. Ein geordneter Körper ist ein Körper K, versehen mit einer totlen Ordnung, bezeichnet mit, mit folgenden Kongruenzeigenschften O) b + c b + c, für lle, b, c K. O2) ( b) (0 c) c bc, für lle, b, c K. Die Nottion b bedeutet b, < b bedeutet b und b, > b bedeutet b <. Die folgenden beknnten Rechenregeln für Ungleichungen folgen us den Axiomen von geordneten Körpern (Beweis: Übung). Seien, b, c K. Dnn b + c b + c. < b + c < b + c. < b 0 < b. Insbesondere < 0 0 <. > 0 b > 0 b > > 0. > 0. > 0 / > 0. Auf geordneten Körpern knn mn den bsoluten Betrg { flls 0 := flls < 0 definieren. Aus der Rechenregel folgt, dss 0 für lle K. Aus Theorem 2.5 folgt, dss lle beschriebenen Rechenregeln uf Q gelten. 2.3 Die reellen Zhlen Auf Q sind Addition und Multipliktion invertierbr. Ds bedeutet, es ist immer möglich uf Q linere Gleichungen zu lösen. Mit nderen Worten, für beliebige Q\{0} und b Q gibt es genu eine Lösung x Q der Gleichung x + b = 0. Schon bei qudrtischen Gleichungen ist ber die Lge mit rtionlen Zhlen nicht so befriedigend, wie bei lineren Gleichungen. Stz Q, d.h. es existiert keine x Q mit x 2 = 2. 3

14 Beweis. Der Stz wird durch Widerspruch bewiesen. Wir nehmen n, es existiert x Q mit x 2 = 2. Dnn existiert q N\{0} mit q x Z. Setze M = {q N\{0} : q x Z} D M, impliziert ds Wohlordnungprinzip (Stz 2.2), dss M ein Minimum ht. Sei g M ds minimle Element und p = g x Z. Dnn gilt x = p/g. Die Minimlität von g impliziert, dss p und g Teilerfremde sind. Es gilt 2 = p 2 /g 2 p 2 = 2g 2 Ds impliziert, dss p 2 gerde ist. Deswegen muss uch p gerde sein (weil (2n + ) 2 = 4n 2 + 4n + immer ungerde ist). Ds bedeutet, dss ein m Z mit p = 2m existiert. Dnn 4m 2 = (2m) 2 = p 2 = 2g 2 g 2 = 2m 2 Also ist uch g gerde. Ds ergibt einen Widerspruch zu der Ttsche, dss g, p teilerfremd sind (oder, äquivlent, ein Widerspruch zur Minimlität von g in M). Die rtionlen Zhlen hben lso bei 2 eine Lücke. Es ist einfch, sich zu überzeugen, dss die rtionlen Zhlen viele Lücken hben. Wegen dieser Lücken gibt es Schwierigkeiten mit Q. Eine erste Schwierigkeit ist, dss einfche qudrtische Gleichungen, wie x 2 = 2 (und viele Gleichungen höherer Ordnung) keine Lösung hben. Ausser dieser lgebrischen Schwierigkeit gibt es uch nlytische Schwierigkeiten mit den rtionlen Zhlen; wir werden sie diskutieren, wenn wir den Begriff von Konvergenz von Folgen betrchten werden. Es gibt lso mehrere Gründe, um die rtionlen Zhlen zu erweitern und die Lücken zu füllen. Dzu führen wir die reellen Zhlen ein. Definition 2.9. Eine totlgeordnete Menge (M, ) heisst ordnungsvollständig, flls die folgende Bedingung erfüllt ist: Sind A, B M mit b für lle A und b B, dnn existiert c M mit c für lle A und c b für lle b B. Bemerkung: Q ist nicht ordnungsvollständig. Mit A = {x Q : x > 0 und x 2 < 2} und B = {x Q : x > 0 und x 2 > 2}, existiert kein c Q mit c b für lle A und b B. Würde so ein c existieren, dnn wäre c = 2. Stz 2.0. Es existiert ein ordnungsvollständig geordneter Körper und dieses Objekt ist eindeutig bis uf den Isomorphismus. In Stz 2.0 bedeutet der Ausdruck eindeutig bis uf den Isomorphismus, dss flls (K, +,, ) und (K 2, + 2, 2, 2 ) zwei ordnungsvollständig geordnete Körper sind, so müssen sie isomorph sein. Zwei geordnete Körper (K, +,, ), (K 2, + 2, 2, 2 ) heissen isomorph, flls eine Bijektion φ : K K 2 existiert, mit φ( + b) = φ() + 2 φ(b), φ( b) = φ() 2 φ(b), b φ() 2 φ(b) D.h. flls eine Bijektion φ existiert, die lle relevnten Strukturen von K uf den entsprechenden Strukturen uf K 2 bbildet. Wir werden in der Vorlesung Stz 2.0 nicht beweisen. Ein Beweis knn zb. in dem Buch von Bltter gefunden werden. 4

15 Definition 2.. Wir bezeichnen mit R den eindeutig ordnungsvollständig geordneten Körper. Bemerkung: Mn knn N, Z und Q mit Teilmengen von R identifizieren. Aus den Körperxiomen folgt in der Tt die Existenz von 0, R. Durch wiederholte Anwendung der Addition mit bekommt mn dnn N R. Aus der Existenz der dditiven Inversen folgt die Existenz von Z R. Aus der Existenz der multipliktiven Inverse folgt dnn die Existenz von Q R. Die Ordnung uf R ist us den Axiomen der geordneten Körper (siehe Def. 2.7) mit der Ordnung uf Q verträglich (und dmit uch mit der Ordnung uf N und Z). Seien, b R, mit < b. Wir benutzen die Nottionen (; b) = {x R : < x < b} [; b] = {x R : x b} (; b] = {x R : < x b} [; b) = {x R : x < b} Proposition 2.2 (Supremumprinzip). Jede nicht leere nch oben beschränkte Teilmenge A R ht ein Supremum. Beweis. Sei A R nicht leer und nch oben beschränkt. Sei B = {b R : b für lle A} = {Menge ller oberen Schrnken von A} Dnn gilt b für lle A und lle b B. Die Ordnungsvollständigkeit von R impliziert, dss c R mit c b für lle A, b B existiert. c für lle A bedeutet, dss c eine obere Schrnke von A ist, d.h. c B. c b für lle b B impliziert, dss c ein minimles Element von B ist. Ds bedeutet, dss c = sup A. Ähnlich ht jede nch unten beschränkte Teilmenge von R ein Infimum. Um Suprem zu berechnen, ist ds folgende Kriterium oft wichtig. Proposition 2.3. Sei A R nicht leer und nch oben beschränkt. Dnn ist s = sup A genu dnn, wenn s für lle A und ε > 0 existiert ein A mit s ε < s. Beweis. Sei s = sup A. Dnn ist s eine obere Schrnke von A, und lso s für lle A. Wir behupten nun, dss ε > 0 existiert A mit s ε < s. Wenn nicht, so würde ε > 0 existieren, s.d. s ε für lle A. Dnn wäre s ε eine obere Schrnke für A, in Widerspruch zur Ttsche, dss s die kleinste obere Schrnke ist. Nehmen wir nun n, dss für lle A s und dss ε > 0 ein A mit s ε < s existiert. Wir behupten, dss s = sup A. Die Bedingung s für lle A impliziert, dss s eine obere Schrnke ist. Wir müssen noch zeigen, dss s die minimle obere Schrnke ist. Nehmen wir n, es existiert eine obere Schrnke t < s. Dnn gilt t und deswegen uch s (s t) für lle A. Setzen wir ε = s t > 0, so existiert kein A mit s ε <, in Widerspruch zur Annhme. Ein ähnliches Kriterium gilt ntürlich uch für ds Infimum. Wir benutzen die Nottionen sup A = +, flls A nch oben unbeschränkt ist und inf A =, flls A nch unten unbeschränkt ist. Weiter schreiben wir sup = und inf = +. 5

16 Stz 2.4 (Archimedes Prinzip). N R ist nch oben unbeschränkt. Beweis. Nehmen wir n, N R ist nch oben beschränkt. Sei s = sup N. Dnn existiert für jeden ε > 0 n N mit s ε < n s. Insbesondere, für ε = finden wir s < n, d.h. s < n +, in Widerspruch zu der Ttsche, dss s = sup N. Korollr 2.5. Für lle ε > 0 existiert n N\{0} mit 0 < /n < ε Proposition 2.6. Sei x R. Dnn! n Z mit n x < n +. Beweis der Existenz. Nehmen wir zunächst n x 0. Sei M = {j N : j > x}. Dnn ist M. Wir setzen m = min {j N : j > x}. Es gilt x < m, und deswegen m. Also m N und (m ) M (sonst wäre m nicht ds Minimum). Es folgt, dss x (m ). Den Fll x < 0 knn mn ähnlich behndeln. Proposition 2.7. Seien x, y R, mit x < y. Dnn existiert r Q mit x < r < y. Beweis. Sei q N\{0} mit 0 < /q < (y x). Dnn ist qy > qx +. Sei nun p Z mit (p ) qx < p. Dnn ist qy > (p ) + = p. Ds bedeutet, dss qx < p < qy. Division mit q gibt x < (p/q) < y. Bemerkung: Es folgt us Prop. 2.7, dss für jedes x R und ε > 0 ein r Q mit x r < ε existiert. Mn sgt deswegen, dss Q dicht in R liegt. Bemerkung: Gilt x < y, so existieren unendlich viele r Q zwischen x, y R. Mn knn nämlich x < < r 3 < r 2 < r < y rekursiv definieren. Nun kommen wir zurück zur Frge, die die Einführung von R motivierte. Proposition 2.8. Es existiert c R, c > 0, mit c 2 = 2. Beweis. Sei A = {x R : (x 0) (x 2 2)} A ist offenbr nch oben beschränkt. Sei c = sup A. Wir behupten, dss c 2 = 2. Nehmen wir n, c 2 < 2. Wir wählen nun 0 < ε < mit ε < (2 c 2 )/(2c + ). Dnn gilt (c + ε) 2 = c 2 + 2cε + ε 2 c 2 + (2c + )ε 2. Deswegen (c + ε) A, im Widerspruch zur Ttsche, dss c eine obere Schrnke für A ist. Nehmen wir nun n, dss c 2 > 2. Für 0 < ε < (c 2 2)/2c gilt (c ε) 2 = c 2 2εc + ε 2 > c 2 2εc > 2 Ds impliziert, dss (c ε) eine obere Schrnke für A ist, in Widerspruch zur Ttsche, dss c die kleinste obere Schrnke von A ist. Es folgt, dss c 2 = 2. 6

17 Bemerkung (siehe Übungen): Sei R, mit > 0, und p N\{0}. Dnn existiert genu ein reelles x > 0 mit x p =. Zu gegebenem x R, existiert n Z mit n x < n +. n ist der gnzzhlige Teil von x. Sei nun x 0 = x n. Per Definition x 0 [0; ). Wir zeigen nun, wie die Zhl x 0 durch eine Dezimlbruchdrstellung beschrieben werden knn. Die Bezeichnung x 0 = für eine Folge : N {0,,..., 9} bedeutet, dss x 0 = (Wir werden später in der Vorlesung unendliche Summen genuer betrchten). Es gibt ein kleines Problem mit der Beschreibung von reellen Zhlen in [0, ) durch Folgen mit Werten in {0,,..., 9}. Z.B. die Folge (4, 9, 9, 9,... ) und die Folge (5, 0, 0,... ) entsprechen der selben Zhl, weil = = 45 und deswegen = 45/90 = 0.5. Wir sgen eine Folge : N {0,,..., 9} ist zulässig, flls es unendlich viele j N mit j 9 gibt. Dnn ist die Folge (4, 9, 9,... ) nicht zulässig, während die Folge (5, 0, 0,... ) zulässig ist. Wir bezeichnen die Menge der zulässigen Folgen mit A. Dnn ist die Behuptung, dss jedes x 0 [0, ) genu einer zulässigen Folge in A zugeordnet werden knn. Definition 2.9 (Dezimlbruchdrstellung). Sei x 0 [0, ). Wir definieren x = 0x 0 und wir bezeichnen mit den gnzzhligen Teil von x. Offenbr ist {0,,..., 9}. Wir setzen dnn x = x [0, ). Rekursiv, für beliebige n N, definieren wir x n+ = 0x n, n+ = gnzzhligen Teil von x n+ und x n+ = x n+ n+. Ds definiert die Folge A(x) = (, 2,... ). Es ist einfch, sich zu überzeugen, dss die konstruierte Folge A(x) immer zulässig ist. Ds heisst, wir hben eine Abbildung A : [0, ) A definiert. Stz Die Abbildung A : [0, ) A, die die Dezimlbruchdrstellung von reellen Zhlen in [0, ) definiert, ist bijektiv. 2.4 Abzählbre und überbzählbre Mengen Wie knn mn die Krdinlität von unendlichen Mengen vergleichen? Definition 2.2. Wir sgen, zwei Mengen A und B hben die gleiche Krdinlität (sind gleichmächtig), flls eine Bijektion φ : A B existiert. Ist A eine nicht leere endliche Menge, so existiert eine n N und eine Bijektion φ : A {, 2,..., n} (ds knn ls Definition für eine endliche Menge genommen werden). Die Zhl n ist dnn eindeutig bestimmt und wird ls die Krdinlität von A bezeichnet. Definition Eine Menge A heisst unendlich bzählbr, flls sie mit N gleichmächtig ist. A heisst bzählbr, flls sie endlich oder unendlich bzählbr ist. 7

18 Eine Bijektion N A knn ls eine Aufzählung der Elemente von A interpretiert werden. Abzählbre Mengen sind Mengen, deren Elemente in einer strukturierten Liste orgnisiert werden können. Beispiele: Die Abbildung φ : N {n 2 : n N} bildet N uf der Menge der Qudrtzhlen bijektiv b. Deswegen ist die Menge der Qudrtzhlen mit N gleichmächtig. Z ist bzählbr. 0,,, 2, 2, 3, 3,... ist eine Aufzählung der Elemente von Z. Mit nderen Worten, die Funktion f : N Z, die durch f(2n) = n und f(2n ) = n definiert wird, ist eine Bijektion. Wir diskutieren nun einige wichtige Rechenregeln für Abzählbrkeit. Proposition Alle Teilmengen von N sind bzählbr. Beweis. Sei A N. Ist A nch oben beschränkt, so ist A endlich. Ist A nch oben unbeschränkt, so definieren wir die Funktion φ : N A rekursiv durch φ(0) = min A und φ(n + ) = min { A : > φ(n)}. Die Funktion ist wohldefiniert, weil jede nichtleere Teilmenge von N ein Minimum ht (die Teilmenge { A : > φ(n)} ist nicht leer, weil A unbeschränkt ist). Wir behupten nun φ ist bijektiv. φ ist offenbr injektiv, weil φ(n + ) > φ(n) für lle n N. Wir zeigen nun die Surjektivität. Sei A und setze B = {n N : φ(n) } B ist nicht leer. Deswegen existiert m = min B. Es gilt φ(m) (weil m B). Anderseits, flls m > 0, ist (m ) N (ist dgegen m = 0, so muss φ(0) min A ; ds gibt φ(0) = und zeigt, dss Rn φ). D (m ) B (ds würde der Minimlität von m widersprechen), muss φ(m ) <. Nch Definition von φ gilt ber φ(m) = min {b A : b > φ(m )} φ(m) Hier benutzen wir, dss A. Also = φ(m) und φ ist injektiv. Verllgemeinerung: Jede Teilmenge einer bzählbren Menge ist bzählbr. Proposition Sei B bzählbr und ψ : B A surjektiv. Dnn ist A bzählbr. Beweis. O.B.d.A. dürfen wir nnehmen, dss B N (weil B sich bijektiv uf einer Teilmenge von N bbilden lässt). Für A definieren wir φ() = min {b B : ψ(b) = } Dnn ist φ : A B N. φ offenbr injektiv. φ bildet lso A uf der Teilmenge B = Rn φ B bijektiv b. D.h. A ist mit B gleichmächtig. D B B N, ist B sicher bzählbr. Also ist A uch bzählbr. Stz Ds Produkt N N ist bzählbr. 8

19 Beweis. Es ist einfch, die Elemente von N N in einer Liste zu orgnisieren. Verllgemeinerung: Seien A,..., A n bzählbre Mengen. Dnn ist A A n uch bzählbr. Beweis. Wir können O.B.d.A. nnehmen, dss A,..., A n N. Wir benutzen nun die Induktion über n. Für n = 2, impliziert A, A 2 N, dss A A 2 N N sicher bzählbr ist. Nehmen wir nun n, dss A A n bzählbr ist. Dnn ist ber A A n+ = (A A n ) A n+ ls Produkt zweier bzählbrer Mengen, nch der Überlegung für n = 2, bzählbr. Eine Folgerung von Stz 2.25 ist die Abzählbrkeit von Q. Stz Q ist bzählbr. Beweis. Z, Z\{0} sind beide bzählbr. Z Z\{0} ist uch bzählbr. Die Abbildung φ : Z Z\{0} Q, die durch φ(p, q) = p/q definiert ist, ist surjektiv. Also ist Q uch bzählbr. Eine ndere interessnte Bemerkung ist, dss bzählbre Vereinigungen bzählbrer Mengen wieder bzählbr sind. Stz Für lle n N, sei A n eine bzählbre Menge. Dnn ist uch bzählbr. n= A n Beweis. Für jede n N existiert B n N und eine Bijektion φ n : B n A n. Nun setzen wir B := {(n, m) N N : m B n } Es gilt B N N, lso ist B bzählbr. Wir definieren nun die Abbildung φ : B n= A n durch die Angbe φ(n, m) = φ n (m). Die Abbildung ist surjektiv, deswegen ist n= A n bzählbr. Anwendung: Sei S 0 = {( i ) i N : i Z für lle i N und, s.d. ein n N existiert, mit i = 0 i n} die Menge der Folgen mit Werten in Z, die nur endlich viele nicht verschwindende Elemente hben. Wir behupten, S 0 ist bzählbr. Sei, in der Tt, S (n) = {( i ) i N S 0 mit i = 0 i > n}. Dnn ist S (n) mit Z Z (n Kopien) gleichmächtig. S (n) ist deswegen für lle n N bzählbr. D S 0 = n= S (n) ist uch S 0 ls Vereinigung bzählbr vieler bzählbrer Mengen bzählbr. Welche Mengen sind nicht bzählbr? 9

20 Stz 2.28 (Cntor). Sei M eine Menge. Dnn sind M und P (M) nicht gleichmächtig. Beweis. Wir beweisen den Stz indirekt durch Widerspruch. Nehmen wir n φ : M P (M) ist eine Bijektion. Setze B = {x M : x φ(x)} Dnn gilt φ(y) B für lle y M. Ist in der Tt y φ(y), so ist per Definition y B, und deswegen ist φ(y) B. Ist nderseits y φ(y), so ist per Definition y B. Auch in diesem Fll ist φ(y) B. Ds impliziert, dss im Widerspruch zur Annhme φ nicht surjektiv ist. Definition Eine nicht bzählbre Menge heisst überbzählbr. Z.B.: P (N) ist eine überbzählbre Menge. Proposition R ist überbzählbr. Beweis. P (N) ist überbzählbr. Sei {0, } N die Menge der Folgen mit Werten 0 und. Wir definieren nun eine Abbildung φ : P (N) {0, } N wie folgt: (φ(x)) i = flls i X, (φ(x)) i = 0 sonst Es ist einfch zu sehen, dss φ eine Bijektion ist. Deswegen ist {0, } N überbzählbr. Sei nun X 0 [0, ) die Teilmenge ller reellen Zhlen in [0, ) deren Dezimlbruchdrstellung nur die Zhlen 0 und enthält (erinnere, die Dezimlbruchdrstellung einer reellen Zhl x [0, ) ist eine Folge A(x) = (, 2,... ), wobei j {0,,..., 9} für lle j N (und j 9 für unendlich viele n)). Dnn gibt es eine Bijektion {0, } N X 0. Es folgt, dss X 0 überbzählbr ist. D R X 0, ist uch R überbzählbr. Ttsche: R ist mit X 0 gleichmächtig. Frge: Ist die Krdinlität von R die kleinste überbzählbre Krdinlität? Oder gibt es Teilmengen von R, die nicht bzählbr sind, ber die nicht mit R gleichmächtig sind? Kontinuumhypothese (Cntor): jede Teilmenge von R ist entweder bzählbr oder gleichmächtig mit R selbst. P. Cohen (960): Weder die Kontinuumhypothese noch ihre Verneigung lssen sich uf Grund der üblichen Axiome der Mengelehre beweisen. 2.5 Die komplexen Zhlen Die Ordnungsvollständigkeit von R ist für die Anlysis sehr nützlich. Wir werden in dieser Vorlesung meistens mit reellen Zhlen rbeiten. Mnchml gibt es ber mit R lgebrische Schwierigkeiten, die mit der Ttsche zu tun hben, dss in R viele Polynome keine Nullstellen hben. Aus diesem Grund ist es mnchml nützlich, komplexe Zhlen zu betrchten. Einer der Gründe, die reellen Zhlen einzuführen wr, dss mn in R die Gleichung x 2 = 2 (und llgemeiner, die Gleichung x p =, für beliebige > 0 und p N\{0}) lösen knn (ws nicht in Q möglich wr). Es bleiben ber viele qudrtische Gleichungen (und 20

21 ntürlich uch Gleichungen höherer Ordnung), die in R keine Lösung hben. Z.B. ht die Gleichung x 2 = keine Lösung uf R. Um dieses Problem zu lösen, führen wir die komplexen Zhlen ein. Die komplexen Zhlen bilden einen Körper, den wir mit C bezeichnen, welcher R enthält, und der uch ein Element i, mit der Eigenschft i 2 =, enthält. Es ist einfch zu sehen, dss der kleinste Körper mit diesen Eigenschften us llen Zhlen der Form x + iy, mit x, y R, besteht: versehen mit der Summe und der Multipliktion C = {x + iy : x, y R} (x + iy ) + (x 2 + iy 2 ) = (x + x 2 ) + i(y + y 2 ) (x + iy ) (x 2 + iy 2 ) = (x x 2 y y 2 ) + i(x y 2 + x 2 y ). Formell, wird C ls ds Produkt C = R R = {(x, y) : x, y R} definiert. Summe und Multipliktion werden dnn durch (x, y ) + (x 2, y 2 ) = (x + x 2, y + y 2 ) und gegeben. (x, y ) (x 2, y 2 ) = (x x 2 y y 2, x y 2 + x 2 y ) Proposition 2.3. C, versehen mit den Opertionen +, ist ein Körper. Beweis. Die Null ist us (0, 0) gegeben. Die dditive Inverse ist us (x, y) = ( x, y) gegeben, die Eins us (, 0). Die einzige Eigenschft, die nicht gnz trivil ist, ist die Existenz der multipliktiven Inverse. Aus können wir rten, dss x + iy = (x iy) (x + iy)(x iy) = x (x, y) = x 2 + y 2 i y x 2 + y 2 ( ) x x 2 + y 2, y x 2 + y 2 flls x 2 + y 2 0 (d.h. flls (x, y) (0, 0)). Mn knn dnn in der Tt zeigen, dss (x, y) die Inverse von (x, y) ist. Bemerkung: Es gibt uf C keine Ordnung (unmöglich, weil i 2 = < 0). Die Abbildung R x (x, 0) C identifiziert R mit einer Teilmenge (sogr einem Unterkörper) von C. Wir definieren dnn i = (0, ). Per Definition gilt i 2 = (0, ) (0, ) = 2

22 (, 0). Sttt (x, y) werden wir einfch x + iy schreiben; diese Schreibweise hilft bei der Berechnung von Produkten von komplexen Zhlen. Gegeben z = x+iy, sgt mn x ist der Relteil von z, y der Imginärteil. Sie werden mit x = Re z und y = Im z bezeichnet. Die komplexe Konjugierte von z ist dnn us z = x iy gegeben. Es gelten dnn die Regeln: z + z 2 = z + z 2. z z 2 = z z 2. z z = zz = x 2 + y 2 0 (insbesondere ist z z R). Definition Der Absolutbetrg von z = x + iy C wird durch definiert. Es gelten die Eigenschften: z z 2 = z z 2. z = 0 z = 0. Für x R ist x C = x R. Re z z. Im z z. z = zz = x 2 + y 2 Dreieckungleichung: z + z 2 z + z 2. D C = R R, lssen sich komplexe Zhlen uf der euklidischen Ebene drstellen. Die x-achse ist die reelle Achse, die y-achse die imginäre Achse. Die geometrische Bedeutung der Summe ist dnn einfch zu beschreiben: Die Summe z + z 2 ist us der vektoriellen Summe der Vektoren in R 2, die z, z 2 zugeordnet sind. Die komplexe Konjugtion entspricht geometrisch der Spiegelung um die x-achse. z ist einfch der (euklidische) Abstnd zwischen z und dem Ursprung 0. Allgemeiner: z z 2 gibt den euklidischen Abstnd zwischen z und z 2. Um die Multipliktion geometrisch zu interpretieren, führen wir Polrkoordinten ein. Für z C sei r = z der Abstnd zu 0 und ϕ [0, 2π] der Winkel zwischen der reellen Achse und z. Dnn z = r (cos ϕ + i sin ϕ) Die Multipliktion von z = r (cos ϕ + i sin ϕ ) und z 2 = r 2 (cos ϕ 2 + i sin ϕ 2 ) ist us z z 2 = r r 2 [(cos ϕ cos ϕ 2 sin ϕ sin ϕ 2 ) + i (cos ϕ sin ϕ 2 + sin ϕ cos ϕ 2 )] = r r 2 [cos(ϕ + ϕ 2 ) + i sin(ϕ + ϕ 2 )] 22

23 gegeben. Also ist der Abstnd von z z 2 zum Ursprung us der Mulitpliktion der Abstände z z 2 gegeben. Der Winkel zwischen z z 2 und der x-achse ist dgegen us der Summe der Winkel ϕ und ϕ 2 gegeben. Wir werden nch Einführung der Exponentilfunktion sehen, dss e iϕ = cos ϕ + i sin ϕ. D.h., ist r = z und ϕ der Winkel zwischen z und der x-achse, so gilt z = re iϕ. Eine wichtige Eigenschft der Exponentilfunktion ist e x e y = e x+y. Ds gibt eine ndere, einfchere Erklärung der Ttsche, dss bei der Multipliktion von zwei komplexen Zhlen die Winkel ddiert werden sollen. Die Drstellung z = re iϕ erlubt uns uch die Gleichung w p = z, für gegebene z C zu lösen. Ist z = re iϕ, für r > 0 und ϕ [0, 2π), so ist w = r /p e iϕ/p offenbr eine Lösung (weil (e x ) n = e nx für jede n N, x R). D ber (ϕ + 2πj) den selben Winkel wie ϕ drstellt, ist w j = r /p e i(ϕ+2πj)/p für jede j = 0,,..., (p ) eine Lösung von der Gleichung w p = z (die Lösung mit j = p ist äquivlent zur Lösung mit j = 0, und so weiter). D.h. für beliebige z C hben wir genu p Lösungen der Gleichung w p = z (in R gibt es mnchml gr keine Lösung, zb. flls p = 2 und z = ). Allgemeiner knn mn zeigen, dss jede polynomische Gleichung uf C mindestens eine Lösung ht (ds impliziert uch, dss jede polynomische Gleichung der Ordnung n genu n Lösungen ht, flls mn jede Lösung mit der korrekten Vielfchkeit zählt). Ds erklärt die Nützlichkeit der komplexen Zhlen. Stz 2.33 (Fundmentlstz der Algebr). Jedes Polynom p(x) = n x n + n x n + + x + 0 mit komplexen Koeffizienten, von Grd n ( n 0) ht mindestens eine Nullstelle in C. 2.6 Die Vektorräume R m Der Rum R m = {x = (x,..., x m ) : x j R für lle j =,..., m} besteht us llen m-tupeln von reellen Zhlen. Diese Räume spielen eine extrem wichtige Rolle in der Mthemtik und in Anwendungen in ntürlichen Wissenschften (z.b. die Position eines Teilchens wird durch einen Punkt x = (x, x 2, x 3 ) R 3 beschrieben, ihr Zustnd wird durch die Position und die Geschwindigkeit, lso durch einen Punkt (x, x 2, x 3, v, v 2, v 3 ) R 6 beschrieben). Auf R m knn mn eine Addition definieren. Für x = (x,..., x m ), y = (y,..., y m ) R m setzen wir x + y = (x + y, x 2 + y 2,..., x m + y m ) Mn knn uf R m uch eine sklre Multipliktion einführen. Ist α R und x = (x,..., x m ) R m, so setzen wir αx = (αx, αx 2,..., αx m ) R m 23

24 Definition Eine Menge V, versehen mit einer Addition + : V V V und einer sklren Multipliktion : R V V heisst ein Vektorrum über R, flls x + y = y + x für lle x, y V.. (x + y) + z = x + (y + z) für lle x, y, z V. Es existiert 0 V mit x + 0 = x für lle x V. Für lle x V existiert y V, bezeichnet mit x, mit x + y = 0. α (β x) = (αβ) x, für lle α, β R und lle x V. α (x + y) = α x + α y für lle α R, x, y V. (α + β) x = α x + β x für lle α, β R, x V. x = x für lle x V. Mn knn ähnlich Vektorräume über einen llgemeinen Körper K definieren. R m ist dnn ein Vektorrum über R, für lle m N\{0} (und ähnlich ist C m ein Vektorrum über C). Bemerke, dss, für m 2, R m kein Körper ist, weil keine Multipliktion von zwei Vektoren in R m definiert ist (R 2 C knn ber zu einem Körper gemcht werden). Auf R m, m 2, ist keine Ordnung definiert. Es ist sehr nützlich, uf R m eine Funktion zu definieren, die die Länge von Vektoren misst. Für x = (x,..., x m ) R m setzen wir m x = j= Dnn ht die Funktion. : R m R die Eigenschften i) x 0 für lle x R n, mit x = 0 genu dnn, wenn x = 0. ii) αx = α x für lle α R und x R m. iii) x + y x + y für lle x, y R m. Eine Funktion. mit den Eigenschften i)-ii)-iii) heisst eine Norm. Ein Vektorrum, in welchem eine Norm definiert ist, heisst ein normierter Rum. R m, versehen mit der Norm (), ist ein Beispiel eines normierten Rumes. Bemerkung: Die Definition der Norm ist nicht eindeutig. Z.B. uf R m definiert für lle p > eine Norm. x 2 j /2 m x p = x j p j= /p () 24

25 3 Konvergenz von Folgen Nchdem wir jetzt die nötigen Werkzeuge eingeführt hben, beginnen wir die wichtigen Begriffe der Anlysis zu betrchten. In diesem Kpitel untersuchen wir Folgen und ihre Konvergenz. Erinnere, dss eine Folge uf einer Menge M eine Funktion : N M ist. Wir schreiben üblicherweise n oder ( n ) n N, um die Elemente der Folge zu bezeichnen. In diesem Kpitel werden wir Folgen uf R betrchten, d.h. Folgen : N R. Wir werden später Folgen uf llgemeineren Räumen (sogennnten metrischen Räume) untersuchen. Beispiele: Die einfchsten Folgen sind die konstnten Folgen, definiert durch n = c, für lle n N, und für ein c R. Andere Beispiele sind n = n, oder n = /n. Mnchml werden Folgen durch Summen definiert, z.b. oder n = n n = n 2 Diese Folgen heissen Reihen. Wir werden Reihen detillierter im nächsten Kpitel betrchten. 3. Konvergenz: Definition und elementre Eigenschften Einer der wichtigsten Begriffe der Anlysis ist der Begriff von Konvergenz von Folgen. Betrchte z.b. die Folge n = /n. Flls wir n sehr gross wählen, so kommt n immer näher zu 0 (obwohl n immer verschieden von 0 bleibt). In diesem Fll sgen wir, dss n gegen 0 konvergiert, lso n gegen Unendlich strebt. Mn brucht hier eine genuere mthemtische Definition. Die Definition von Konvergenz übersetzt, in der Sprche der Mthemtik, die Idee, dss n gegen konvergiert ( = 0 im Beispiel oben), flls n beliebig nh zu kommt, für n genügend gross. Definition 3.. Sei n eine Folge uf R. Wir sgen n konvergiert gegen R, dss der Limes der Folge n ist, oder dss der Grenzwert von n ist, und wir schreiben n, oder lim n n =, flls Bemerkungen: für lle ε > 0 existiert n 0 = n 0 (ε), s.d. n > n 0 n < ε. Sei n eine Folge uf R. Dnn gilt n genu dnn, wenn n 0 genu dnn, wenn n 0. Ds folgt direkt us der Definition. Wir hben n < ε ε < n < + ε n ( ε, + ε) Der Absolutbetrg n misst den Abstnd zwischen n und. Die Bedingung n < ε besgt lso, dss der Abstnd zwischen n und kleiner ls ε ist. D 25

26 Beispiele: ε > 0 beliebig klein sein knn, bedeutet n, dss der Abstnd zwischen n und kleiner ls eine beliebige Fehlergrenze ist, flls wir n gross genug wählen. Wie gross n sein muss, wird us n 0 bestimmt. Bemerke, dss n 0 von ε bhängt. Um so kleiner ε > 0 gewählt wird, um so grösser wird (typischerweise) n 0 sein. Sei n = c für lle n ( n ist eine konstnte Folge). Dnn gilt n c. In diesem Fll gilt n c < ε für lle n N und lle ε > 0 (d.h. mn knn immer n 0 = wählen). Sei n = /n. Dnn n 0. Beweis. Sei ε > 0 fest gewählt. Nch Stz 2.4 existiert n 0 N\{0} mit n 0 > (/ε). Für n > n 0 gilt Ds impliziert n < ε, für lle n > n 0. 0 n = n < n 0 < ε Sei n = n /n. Wir behupten, dss n. Beweis. Sei ε > 0 fest. Dnn gilt (+ε) n = n ( ) n ε j = +nε+ j Ist (n )ε 2 /2 >, so gilt D für lle n N ist n /n > folgt, dss flls (n )ε 2 /2 >. Also n(n ) ε 2 + +ε n 2 ( + ε) n > n n /n < ( + ε) < n /n < + ε n /n < ε n(n ) ε 2 = n 2 [ ] (n )ε 2 flls (n )ε 2 /2 >. Um diese Bedingung zu erfüllen, wählen wir einfch n > +(2/ε 2 ). Zusmmenfssend setzen wir n 0 (ε) = +(2/ε 2 ). Dnn impliziert n > n 0, dss n /n < ε. D ε > 0 beliebig ist, folgt die Behuptung. Sei n = ( ) n. Die Folge oszilliert zwischen und. Sie konvergiert nicht. Die Folge n = n wird immer grösser, d n gegen Unendlich strebt. Also konvergiert sie nicht. Die erste wichtige Eigenschft von Konvergenz ist die Eindeutigkeit des Grenzwertes. Proposition 3.2. Jede Folge ht höchstens einen Grenzwert. 2 26

27 Beweis. Nehmen wir n, n und n, mit, R und. Sei ε = /2. Für n, existiert n 0 mit n < ε für lle n > n 0. Für n, existiert uch n mit n < ε für lle n > n. Also, für n > mx {n 0, n }, gilt n < ε und n < ε. Dnn muss ber ws unmöglich ist. = n + n n + n < 2ε = Eine ndere wichtige Eigenschft von konvergenten Folgen uf R ist ihre Beschränktheit. Definition 3.3. Eine Folge n in R heisst nch unten beschränkt, flls b R existiert, mit b n für lle n N. Sie heisst nch oben beschränkt, flls b R existiert, mit n b für lle n N. Sie heisst beschränkt, flls sie nch unten und nch oben beschränkt ist, d.h. flls b > 0 existiert, mit n < b für lle n N. Proposition 3.4. Jede konvergente Folge ist beschränkt. Beweis. Sei n eine Folge, mit n. Per Definition existiert mit ε = n 0 N mit n < für lle n > n 0. Ds impliziert, dss für lle n > n 0. Also für lle n N. n = + ( n ) + n + n mx {, 2,..., n0, + } Ordnungsreltionen (ber nicht strikte Ordnungsreltionen) werden durch den Limes erhlten. Lemm 3.5. Seien n und b n zwei Folgen, mit n und b n b und mit n b n für lle n N (eigentlich genügt es, dss ein n 0 N existiert, mit n b n für lle n > n 0 ). Dnn gilt b. Beweis. Nehmen wir n > b. Dnn setzen wir ε = ( b)/2 > 0. Für n, existiert n N mit n < ε für lle n > n. Für b n b, existiert n 2 N mit b n b < ε für lle n > n 2. Für n mx{n, n 2 } gilt lso b n = b + (b n b) < b + ε = + b 2 in Widerspruch zur Annhme n b n für lle n N. = ε < n Bemerkung: Gilt n, b n b und n < b n für lle n N, so muss < b nicht gelten. Im Allgemeinen knn mn us n < b n für lle n N nur folgen, dss b (z.b. n = /n > 0 für lle n N, ber lim n n = 0). Wir untersuchen nun die Beziehung zwischen Limes und den Körperopertionen, die uf R definiert sind. 27

28 Proposition 3.6. Nehmen wir n, n und b n sind zwei Folgen in R, mit n und b n b. Dnn gilt: i) n + b n + b. ii) n b n b. iii) n b n b. iv) Ist b n 0 für lle n N, und b 0, so gilt uch n /b n /b v) Ist n 0 für lle n N, p Z und q N\{0}, dnn gilt p/q n p/q Beweis. i) Sei ε > 0 fest. Dnn existiert n N s.d. n < ε/2 für lle n > n, und n 2 N s.d. b n b < ε/2 für lle n > n 2. Für n > mx{n, n 2 } gilt lso ii) Ähnlich. ( n + b n ) ( + b) ( n ) + (b n b) n + b n b < ε. iii) n impliziert, dss n beschränkt ist. D.h. es existiert c > 0 mit n c für lle n N. Dnn n b n b = n b n n b + n b b n (b n b) + b( n ) n b n b + b n c b n b + b n (2) Sei nun ε > 0 fest. Dnn existiert n N mit n < ε/(2 b ) für lle n > n. Weiter existiert n 2 N mit b n b < ε/(2c) für lle n > n 2. Für n > mx{n, n 2 } folgt us (2), dss n b n b < ε. iv) Es genügt zu zeigen, dss /b n /b (dnn folgt iv) us iii)). Aus b n b folgt, dss ein n N existiert, mit b n b b /2 für lle n > n. Ds impliziert, dss b n = b + (b n b) b b n b b b /2 = b /2 für lle n > n. Also hben wir, wieder für n > n, b n b = b b n bb n = b b n b n b 2 b 2 b n b (3) Sei nun ε > 0 fest. Dnn finden wir n 2 N mit b n b < b 2 2 ε für lle n > n 2. Wir setzen nun n 0 = mx{n, n 2 }. Für n > n 0 gilt, us (3), b n b < ε 28

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt

Mehr

Analysis I/II. Skript zur Vorlesung 2009/2010. Peter Junghanns

Analysis I/II. Skript zur Vorlesung 2009/2010. Peter Junghanns Skript zur Vorlesung Anlysis I/II 9/ Peter Junghnns Hinweis: Ds vorliegende Skript stellt nur ein Gerüst zu den Inhlten der Vorlesung dr. Die Vorlesung selbst bietet weiterführende Erläuterungen, Beweise

Mehr

Analysis I/II - Vorlesungs-Script

Analysis I/II - Vorlesungs-Script Anlysis I/II - Vorlesungs-Script Prof. Michel Struwe 05/06 Mitschrift: Eveline Hrdmeier Grphics: Prisc Greminger Mthis Weylnd Corrections: Prisc Greminger $Id: nlysis.tex 1237/1502 2006-10-19 21:13:30

Mehr

Analysis I im SS 2011 Kurzskript

Analysis 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

Mehr

Thema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n

Thema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n Them 13 Integrle, die von einem Prmeter bhängen, Integrle von Funktionen uf Teilmengen von R n Wir erinnern drn, dß eine Funktion h : [, b] R eine Treppenfunktion ist, flls es eine Unterteilung x < x 1

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr

Präfixcodes und der Huffman Algorithmus

Präfixcodes und der Huffman Algorithmus Präfixcodes und der Huffmn Algorithmus Präfixcodes und Codebäume Im Folgenden werden wir Codes untersuchen, die in der Regel keine Blockcodes sind. In diesem Fll können Codewörter verschiedene Länge hben

Mehr

Analysis 2. Mitschrift von www.kuertz.name

Analysis 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

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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

Mehr

Analysis II. Universität Stuttgart, SS 06 M. Griesemer

Analysis II. Universität Stuttgart, SS 06 M. Griesemer Anlysis II Universität Stuttgrt, SS 06 M. Griesemer Inhltsverzeichnis 9 Ds Riemnnsche Integrl 3 9.1 Definition und Beispiele........................... 3 9.2 Elementre Eigenschften..........................

Mehr

Analysis 2. Vorlesungsskript Sommersemester 2014. Bernd Schmidt. Version vom 15. Oktober 2014

Analysis 2. Vorlesungsskript Sommersemester 2014. Bernd Schmidt. Version vom 15. Oktober 2014 Anlysis 2 Vorlesungsskript Sommersemester 214 Bernd Schmidt Version vom 15. Oktober 214 Institut für Mthemtik, Universität Augsburg, Universitätsstr. 14, 86135 Augsburg, bschmidt@mth.uni-ugsburg.de 1 Inhltsverzeichnis

Mehr

Vorlesungsskript Mathematik I für Wirtschaftsingenieure

Vorlesungsskript Mathematik I für Wirtschaftsingenieure Vorlesungsskript Mthemtik I für Wirtschftsingenieure Verfsserin: HSD Dr. Sybille Hndrock TU Chemnitz Fkultät für Mthemtik e-mil: hndrock@mthemtik.tu-chemnitz.de Wintersemester 2005/06 Litertur [] Dllmnn,

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben 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.

Mehr

Numerische Mathematik I

Numerische Mathematik I Numerische Mthemtik I Dr. Wolfgng Metzler Universität Kssel unter Mitwirkung von Dipl.-Mth. Mrtin Steigemnn Sommersemester 2005 ii c 2005 Dr. Wolfgng Metzler, Fchbereich Mthemtik und Informtik der Universität

Mehr

Matrizen und Determinanten

Matrizen und Determinanten Mtrizen und Determinnten Im bschnitt Vektorlgebr Rechenregeln für Vektoren Multipliktion - Sklrprodukt, Vektorprodukt, Mehrfchprodukte wurde in einem Vorgriff bereits eine interessnte mthemtische Konstruktion

Mehr

1.2 Der goldene Schnitt

1.2 Der goldene Schnitt Goldener Schnitt Psclsches Dreieck 8. Der goldene Schnitt Beim Begriff Goldener Schnitt denken viele Menschen n Kunst oder künstlerische Gestltung. Ds künstlerische Problem ist, wie ein Bild wohlproportioniert

Mehr

Mathematik: Vorwissen und Selbststudium

Mathematik: Vorwissen und Selbststudium Mthemtik: Vorwissen und Selbststudium Prof. Thoms Apel Studienjhr 00/ Lerning nything chnges people; lerning mth mkes big chnge it opens minds nd opens doors. [Hirsh Cohen, SIAM president 983-984] Vorwort

Mehr

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen

Mehr

Ein Aufschrieb der Vorlesung Analysis I an der Uni Karlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog.

Ein 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

Mehr

Beispiel-Abiturprüfung

Beispiel-Abiturprüfung Mthemtik BeispielAbiturprüfung Prüfungsteile A und B Bewertungsschlüssel und Lösungshinweise (nicht für den Prüfling bestimmt) Die Bewertung der erbrchten Prüfungsleistungen ht sich für jede Aufgbe nch

Mehr

Mathematik PM Rechenarten

Mathematik PM Rechenarten Rechenrten.1 Addition Ds Pluszeichen besgt, dss mn zur Zhl die Zhl b hinzuzählt oder ddiert. Aus diesem Grunde heisst diese Rechenrt uch Addition. + b = c Summnd plus Summnd gleich Summe Kommuttivgesetz

Mehr

Seminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen

Seminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen Seminr Quntum Computtion - Finite Qunten-Automten und Qunten-Turingmschinen Sebstin Scholz sscholz@informtik.tu-cottbus.de Dezember 3. Einleitung Aus der klssischen Berechenbrkeitstheorie sind die odelle

Mehr

FernUniversität Gesamthochschule in Hagen

FernUniversität Gesamthochschule in Hagen FernUniversität Gesmthochschule in Hgen FACHBEREICH MATHEMATIK LEHRGEBIET KOMPLEXE ANALYSIS Prof. Dr. Andrei Dum Proseminr 9 - Anlysis Numerische Integrtion Ulrich Telle Mtrikel-Nr. 474 Köln, den 7. Dezember

Mehr

Einleitung. Mathematik für Volkswirte. Literatur. Über die mathematische Methode. Weitere Übungsbeispiele. Statische (Gleichgewichts-) Analyse

Einleitung. Mathematik für Volkswirte. Literatur. Über die mathematische Methode. Weitere Übungsbeispiele. Statische (Gleichgewichts-) Analyse Mthemtik für Volkswirte Mthemticl Methods for Economists Josef Leydold Institute for Sttistics nd Mthemtics WU Wien Wintersemester 05/6 009 05 Josef Leydold This work is licensed under the Cretive Commons

Mehr

Canon Nikon Sony. Deutschland 55 45 25. Österreich 40 35 35. Schweiz 30 30 20. Resteuropa 60 40 30 55 45 25 40 35 35 J 30 30 20 60 40 30

Canon Nikon Sony. Deutschland 55 45 25. Österreich 40 35 35. Schweiz 30 30 20. Resteuropa 60 40 30 55 45 25 40 35 35 J 30 30 20 60 40 30 15 Mtrizenrechnung 15 Mtrizenrechnung 15.1 Mtrix ls Zhlenschem Eine Internetfirm verkuft über einen eigenen Shop Digitlkmers. Es wird jeweils nur ds Topmodel der Firmen Cnon, Nikon und Sony ngeboten. Verkuft

Mehr

Boole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik

Boole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik Boole'sche Algebr Binäre Funktionen, Boole'sche Algebren, Schltlgebr Inhltsübersicht Verknüpfungen der mthemtischen Logik Boole sche Algebren Grundelemente der Schltlgebr Regeln der Schltlgebr Normlformen

Mehr

Musterlösung zu Aufgabe 1 (Klassenstufe 9/10)

Musterlösung zu Aufgabe 1 (Klassenstufe 9/10) Musterlösung zu Aufgbe 1 (Klssenstufe 9/10) Aufgbe. Drei Freunde spielen mehrere Runden eines Spiels, bei dem sie je nch Rundenpltzierung in jeder Runde einen festen, gnzzhligen Betrg x, y oder z usgezhlt

Mehr

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge. Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Prof. Dr.Ing. W. Scheideler Brückenkurs Mthemtik WS 0/ us und überrbeitet von B. Eng. Sevd Hppel und Dipl.Ing. Jun Rojs Prof. Dr.Ing. W. Scheideler Inhltsverzeichnis Brüche, Potenzen und Wurzeln. Brüche..

Mehr

Funktionen und Mächtigkeiten

Funktionen und Mächtigkeiten Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit

Mehr

Brückenkurs MATHEMATIK

Brückenkurs MATHEMATIK Brückenkurs MATHEMATIK Professor Dr. rer. nt. Bernd Bumnn Professor Dr. rer. nt. Ulrich Stein Hochschule für Angewndte Wissenschften Hmburg 5. März 008 VO R B E M E R K U N G E N Liebe Studentin, lieber

Mehr

Formelsammlung. Folgen und Reihen

Formelsammlung. 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

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. 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.

Mehr

Grundwissen Abitur Analysis

Grundwissen Abitur Analysis GYMNASIUM MIT SCHÜLERHEIM PEGNITZ mthem-technolog u sprchl Gmnsium WILHELM-VON-HUMBOLDT-STRASSE 7 9257 PEGNITZ FERNRUF 0924/48333 FAX 0924/2564 Grundwissen Abitur Anlsis Ws sind Potenzfunktion mit ntürlichen

Mehr

Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:

Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.

Mehr

Versuchsplanung. Grundlagen. Extrapolieren unzulässig! Beobachtungsbereich!

Versuchsplanung. Grundlagen. Extrapolieren unzulässig! Beobachtungsbereich! Versuchsplnung 22 CRGRAPH www.crgrph.de Grundlgen Die Aufgbe ist es Versuche so zu kombinieren, dss die Zusmmenhänge einer Funktion oder eines Prozesses bestmöglich durch eine spätere Auswertung wiedergegeben

Mehr

Grundwissen Mathematik 10. Klasse. Eigenschaften Besonderheiten - Beispiele

Grundwissen Mathematik 10. Klasse. Eigenschaften Besonderheiten - Beispiele Themen Eigenschften Besonderheiten - Beispiele Kreis beknnt us Klsse 8: U Kreis = 2 π r A Kreis = r 2 π Kreissektor Bogenlänge b Flächeninhlt Kreissektor: Die Länge b des Kreisbogens und der Flächeninhlt

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung) Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein

Mehr

Lösung: a) 1093 1100 b) 1093 1090

Lösung: a) 1093 1100 b) 1093 1090 OvTG Guting, Grundwissen Mthemtik 5. Klsse 1. Ntürliche Zhlen Dezimlsystem Mn nennt die Zhlen, die mn zum Zählen verwendet, 10963 = 1 10000+ 0 1000+ 9 100+ 6 10 + 3 1 ntürliche Zhlen. Der Stellenwert der

Mehr

1 Kurvendiskussion /40

1 Kurvendiskussion /40 009 Herbst, (Mthemtik) Aufgbenvorschlg B Kurvendiskussion /0 Gegeben ist eine Funktion f mit der Funktionsgleichung: f ( ) 0 6 = ; mit.. Untersuchen Sie ds Verhlten der Funktionswerte von f im Unendlichen.

Mehr

Abitur - Leistungskurs Mathematik. Sachsen-Anhalt 1999

Abitur - Leistungskurs Mathematik. Sachsen-Anhalt 1999 Abitur - Leistungskurs Mthemtik Schsen-Anhlt 999 Gebiet L - Anlysis Augbe.. y, D, R,. Die Funktionenschr sei gegeben durch Die Grphen der Funktionen der Schr werden mit G bezeichnet. ) Ermitteln Sieden

Mehr

http://www.tfh-wildau.de/gerking/arbeiten.html 2005

http://www.tfh-wildau.de/gerking/arbeiten.html 2005 Hllo Ilse, gut nch Huse gekommen? Ich htte Glück, die U-Bhnnschlüsse wren gut. http://www.tfh-wildu.de/gerking/arbeiten.html 5 Sonntgs hbe ich mich dnn erstml mit der Frge beschäftigt, ob Mthemtik und

Mehr

Für den Mathe GK, Henß. - Lineare Algebra und analytische Geometrie -

Für den Mathe GK, Henß. - Lineare Algebra und analytische Geometrie - Für den Mthe GK, Henß - Linere Alger und nlytische Geometrie - Bis uf die Astände ist jetzt lles drin.. Ich h noch ne tolle Seite entdeckt mit vielen Beispielen und vor llem Aufgen zum Üen mit Lösungen..

Mehr

Reguläre Sprachen und endliche Automaten

Reguläre Sprachen und endliche Automaten 2 Reguläre Sprchen und endliche Automten Sei Σ = {, b,...} ein endliches Alphbet. Ein endliches Wort über Σ ist eine Folge w = 0... n 1, wobei i Σ für i = 0,...,n 1. Wir schreiben w für die Länge von w,

Mehr

Ergänzungen zur Analysis I

Ergänzungen 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.

Mehr

Grundwissen am Ende der Jahrgangsstufe 9. Wahlpflichtfächergruppe II / III

Grundwissen am Ende der Jahrgangsstufe 9. Wahlpflichtfächergruppe II / III Grundwissen m Ende der Jhrgngsstufe 9 Whlpflichtfächergruppe II / III Funktionsbegriff Gerdengleichungen ufstellen und zu gegebenen Gleichungen die Grphen der Gerden zeichnen Ssteme linerer Gleichungen

Mehr

Analysis I Probeklausur 2

Analysis I Probeklausur 2 WS /2 Mriescu/ Ert Alysis I Probeklusur 2. Aufgbe Die Folge (x ) N sei rekursiv defiiert durch x =, x + = 2+x. () Beweise, dss die Folge (x ) N streg mooto wchsed ist. (b) Beweise, dss (x ) N durch 2 ch

Mehr

Inhaltsverzeichnis. Inhaltsverzeichnis... 1 3.Logik... 2. 3.1 Zahlensysteme... 2. 3.2 Grundbegriffe zweiwertiger Logik... 13

Inhaltsverzeichnis. Inhaltsverzeichnis... 1 3.Logik... 2. 3.1 Zahlensysteme... 2. 3.2 Grundbegriffe zweiwertiger Logik... 13 Inhltsverzeichnis Inhltsverzeichnis... 3.Logik... 2 3. Zhlensysteme... 2 3.2 Grundegriffe zweiwertiger Logik... 3 3.3 Rechengesetze für logische Ausdrücke... 9 3.4 Logische Funktionen... 24 3.5 Logische

Mehr

Endliche Automaten. Prof. Dr. W. Vogler. Sommersemester 2007

Endliche Automaten. Prof. Dr. W. Vogler. Sommersemester 2007 Endliche Automten Prof. Dr. W. Vogler Sommersemester 2007 1 INHALTSVERZEICHNIS i Inhltsverzeichnis 1 Wörter und Monoide 1 2 Endliche Automten 4 3 Anwendung: Diophntische Gleichungen 9 4 Minimierung endlicher

Mehr

Reader. für den Einsatz in der Wiederholungsphase im Mathematikunterricht der Jahrgangsstufe 11

Reader. für den Einsatz in der Wiederholungsphase im Mathematikunterricht der Jahrgangsstufe 11 Reder für den Einstz in der Wiederholungsphse im Mthemtikunterricht der Jhrgngsstufe Anhng zur schriftlichen Husrbeit zur Zweiten Sttsprüfung für ds Lehrmt n öffentlichen Schulen von Andres Rschke Vorwort

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 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;.

Mehr

Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2007 im Fach Mathematik

Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2007 im Fach Mathematik Sentsverwltung für Bildung, Wissenschft und Forschung Schriftliche Prüfungsrbeit zum mittleren Schulbschluss 007 im Fch Mthemtik 30. Mi 007 Arbeitsbeginn: 10.00 Uhr Berbeitungszeit: 10 Minuten Zugelssene

Mehr

Großübung zu Kräften, Momenten, Äquivalenz und Gleichgewicht

Großübung zu Kräften, Momenten, Äquivalenz und Gleichgewicht Großübung u Kräften, omenten, Äuivlen und Gleichgewicht Der Körper Ein mterielles Teilgebiet des Universums beeichnet mn ls Körper. Im llgemeinen sind Körper deformierbr. Sonderfll strrer Körper (odellvorstellung)

Mehr

Erweitern. a b. bd + bc. bd = ad+bc. bei ganzzahligem Nenner: Hauptnenner (= kgv der Nenner), z.b. 4 6 + 3 4 = 8 12 + 9. a d = ac

Erweitern. a b. bd + bc. bd = ad+bc. bei ganzzahligem Nenner: Hauptnenner (= kgv der Nenner), z.b. 4 6 + 3 4 = 8 12 + 9. a d = ac F FORMELSAMMLUNG Bruchrechnung Erweitern = Kürzen c c Addition Nenner gleichnmig mchen! + c d = d d + c d = d+c d, speziell + c = +c ei gnzzhligem Nenner: Huptnenner (= kgv der Nenner), zb 4 6 + 3 4 =

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12 Mthemtisches Istitut der Uiversität Müche Prof. Dr. Peter Otte WiSe 203/4 Lösug 2 2.0.204 Aufgbe 2. [8 Pute] Übuge zur Alysis für Iformtier ud Sttistier Lösug zu Bltt 2 Für eie Teilmege Ω R, sei {, flls

Mehr

Einführung in Mathcad 14.0 2011 H.

Einführung in Mathcad 14.0 2011 H. Einführung in Mthc. H. Glvnik Eitieren von Termen Tet schreiben mit Shift " + + Nvigtion mit Leertste un Cursor + Löschen mit Shift + Entf + + 5 sin( ) + Arten von Gleichheitszeichen Definition eines Terms

Mehr

Definition Suffixbaum

Definition Suffixbaum Suffix-Bäume Definition Suche nch einer Menge von Mustern Längste gemeinsme Zeichenkette Pltzreduktion Suffixbäume für Muster Alle Pre Suffix-Präfix Übereinstimmung Sich wiederholende Strukturen Definition

Mehr

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist . Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet

Mehr

Über die sog. «Ein-Franken-pro-Todesfall» -Kassen.

Über die sog. «Ein-Franken-pro-Todesfall» -Kassen. Über die sog. «Ein-Frnken-pro-Todesfll» -Kssen. Eine versicherungstechnische Studie von HEINRICH JECKLIN (Zürich). (AIs Mnuskript eingegngen m 25. Jnur 1940.) In der versicherungstechnischen Litertur finden

Mehr

Streuungsmaße. Grundbegriffe

Streuungsmaße. Grundbegriffe Grundbegriffe Untersuchungseinheiten U,...,U n Merkml X Urliste x,...,x n geordnete Urliste x (),...,x (n) Es gilt i.llg.: xi x() i, i, Κ, n In einer westdeutschen Großstdt gibt es insgesmt drei Träger

Mehr

Vorkurs Mathematik Fachhochschule Frankfurt, Fachbereich 2. Fachhochschule Frankfurt am Main Fachbereich Informatik und Ingenieurwissenschaften

Vorkurs Mathematik Fachhochschule Frankfurt, Fachbereich 2. Fachhochschule Frankfurt am Main Fachbereich Informatik und Ingenieurwissenschaften Vorkurs Mthemtik Fchhochschule Frnkfurt, Fchereich Fchhochschule Frnkfurt m Min Fchereich Informtik und Ingenieurwissenschften Vorkurs Mthemtik Sie finden lle Mterilien sowie ergänzende Informtionen unter

Mehr

Beispiel-Abiturprüfung. Fach Mathematik

Beispiel-Abiturprüfung. Fach Mathematik Beispiel-Abiturprüfung in den Bildungsgängen des Berufskollegs. Leistungskurs Fch Mthemtik Fchbereich Technik mthe_lk_tech_beispielufg09_0085.doc Seite von 9 Konstruktionsmerkmle der Aufgbe rten Aufgbe

Mehr

Entwurf und Realisierung analoger und digitaler Filter

Entwurf und Realisierung analoger und digitaler Filter Signl- und Messwert- Verrbeitung Dr. K. Schefer Entwurf und Relisierung nloger und digitler Filter Im Rhmen dieses Versuchs wollen wir uns mit der Dimensionierung von nlogen und digitlen Filtern und mit

Mehr

Schriftliche Überprüfung Mathematik. Gymnasien, Klasse 10

Schriftliche Überprüfung Mathematik. Gymnasien, Klasse 10 Schriftliche Überprüfung Mthemtik, Klsse 0 Schuljhr 009/00 6. Februr 00 Unterlgen für die Lehrerinnen und Lehrer Diese Unterlgen enthlten: I II III Allgemeine Hinweise zur Arbeit Aufgben Erwrtungshorizonte,

Mehr

Informationen zu den gemeinsamen Fächern im Zentralabitur 2010 in Berlin und Brandenburg. Nr. 1 Mathematik

Informationen zu den gemeinsamen Fächern im Zentralabitur 2010 in Berlin und Brandenburg. Nr. 1 Mathematik Ministerium für Bildung, Jugend und Sport Sentsverwltung für Bildung, Wissenschft und Forschung Informtionen zu den gemeinsmen Fächern im Zentrlbitur 00 in Berlin und Brndenburg Nr..0.009 Beispielufgben

Mehr

Computational Intelligence

Computational Intelligence Center Computtionl Intelligence nd Cognitive Systems Prof. Dr. hbil.. Gruel Josef-Stern-Weg 3 59494 Soest / Germny E-Mil:dolfGruel@web.de Computtionl Intelligence Fuzzy-Tutoril Msterkurs CV&CI Vorwort

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE 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

Mehr

Musterlösung zur Musterprüfung 2 in Mathematik

Musterlösung zur Musterprüfung 2 in Mathematik Musterlösung zur Musterprüfung in Mthemtik Diese Musterlösung enthält usführliche Lösungen zu llen Aufgben der Musterprüfung in Mthemtik sowie Hinweise zum Selbstlernen. Literturhinweise ) Bosch: Brückenkurs

Mehr

Skript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG)

Skript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG) Sript für die Oerstufe und ds Aitur Bden-Württemerg erufl. Gymnsium (AG, BTG, EG, SG, WG) Mtrizenrechnung, wirtschftliche Anwendungen (Leontief, Mterilverflechtung) und Linere Optimierung Dipl.-Mth. Alexnder

Mehr

TE- und TM-Moden im Wellenleiter. Bachelorarbeit

TE- und TM-Moden im Wellenleiter. Bachelorarbeit TE- und TM-Moden im Wellenleiter Sebstin Rubitzek 30. September 2014 in Grz Bchelorrbeit betreut von Ao.Univ.-Prof. Mg. Dr.rer.nt. Ulrich Hohenester 1 Inhltsverzeichnis 1 Einleitung 3 1.1 Ws ist ein Wellenleiter?......................

Mehr

Nutzung der Abwärme aus Erneuerbare-Energie-Anlagen

Nutzung der Abwärme aus Erneuerbare-Energie-Anlagen 5 2014 Sonderdruck us BWK 5-2014 Wichtige Kennzhlen und effiziente Plnung für die dezentrle Wärmewende Nutzung der Abwärme us Erneuerbre-Energie-Anlgen Wichtige Kennzhlen und effiziente Plnung für die

Mehr

( 3) k ) = 3) k 2 3 für k gerade

( 3) k ) = 3) k 2 3 für k gerade Aufgbe : ( Pute Zeige Sie mithilfe des Biomische Lehrstzes: ( 3 ( 3 ist für lle N eie türliche Zhl Lösug : Nch dem biomische Lehrstz gilt: ( 3 Somit ergibt sich ( 3 ( 3 ( ( 3 bzw ( 3 ( ( 3 ( ( 3 ( ( 3

Mehr

Sponsored Search Markets

Sponsored Search Markets Sponsored Serch Mrkets ngelehnt n [EK1], Kpitel 15 Seminr Mschinelles Lernen, WS 21/211 Preise Slots b c Interessenten y z 19. Jnur 211 Jn Philip Mtuschek Sponsored Serch Mrkets Folie 1 Them dieses Vortrgs

Mehr

Analysis 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. 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

Mehr

Dein Trainingsplan. sportmannschaft. ... und was sonst noch wichtig ist. Deine Zähne sind wie deine. und du bist der Trainer!

Dein Trainingsplan. sportmannschaft. ... und was sonst noch wichtig ist. Deine Zähne sind wie deine. und du bist der Trainer! hben Freunde Deine Zähne sind wie deine sportmnnschft und du bist der Triner! Und jeder Triner weiß, wie wichtig jeder einzelne Spieler ist eine wichtige und schöne Aufgbe! Drum sei nett zu deinen Zähnen

Mehr

Übungsblatt Gleichungssysteme Klasse 8

Übungsblatt Gleichungssysteme Klasse 8 Üungsltt Gleichungsssteme Klsse 8 Auge : Berechne die Lösungen des Gleichungspres: I II 7 Kontrolliere durch Einseten. Auge : Löse dem Additionsverhren: I 7-6 II 9 Auge : Gegeen ist olgendes linere Gleichungssstem

Mehr

Monte Carlo Methoden. Kapitel 3. 3.1 Simple Sampling

Monte Carlo Methoden. Kapitel 3. 3.1 Simple Sampling Kpitel 3 Monte Crlo Methoden Historisch wird der Begriff der Monte Crlo Methode 1947 geprägt [38] 1 und zum ersten MlzweiJhrespäter im Titel einer Veröffentlichung verwendet [39]. Wie der Nme nklingen

Mehr

Studiengang Umweltschutz. Mathematik 2

Studiengang Umweltschutz. Mathematik 2 Fchhochschule Bingen, Studiengng Umweltschutz Sommersemester 0 Mthemtik_ Studiengng Umweltschutz Mthemtik Inhltsverzeichnis Grundlgen... Rechnen mit Potenzen...8 Binomische Formel... 6 Iterierte Abbildungen...

Mehr

Prozeßalgebren. Prof. Dr. Ursula Goltz

Prozeßalgebren. Prof. Dr. Ursula Goltz Prozeßlgebren Prof Dr Ursul Goltz Stnd: 24 Oktober 2012 Vorwort Ds vorliegende Skript ist die Ausrbeitung einer Vorlesung, die wesentliche Grundbegriffe us dem weiten Feld der Prozeßlgebren einführt Dbei

Mehr

Versuchsumdruck. Schaltungsvarianten des Operationsverstärkers

Versuchsumdruck. Schaltungsvarianten des Operationsverstärkers Hchschule STDIENGANG Wirtschftsingenieurwesen Bltt n 6 Aschffenburg Prf. Dr.-Ing.. Bchtler, Armin Huth Versuch 2 Versin. m 23.3.2 Versuchsumdruck Schltungsrinten des Opertinserstärkers Inhlt Verwendete

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 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

Mehr

Lie-Ableitungen und Killing Vektoren in der allgemeinen Relätivitätstheorie

Lie-Ableitungen und Killing Vektoren in der allgemeinen Relätivitätstheorie Lie-Ableitungen und Killing Vektoren in der llgemeinen Relätivitätstheorie Anton Prokhorov 3. Februr 2009 Die von Einstein entwickelte llgemeine Reltivitätstheorie (ART) ermöglichte nicht nur eine genuere

Mehr

1 Räumliche Darstellung in Adobe Illustrator

1 Räumliche Darstellung in Adobe Illustrator Räumliche Drstellung in Adobe Illustrtor 1 1 Räumliche Drstellung in Adobe Illustrtor Dieses Tutoril gibt Tips und Hinweise zur räumlichen Drstellung von einfchen Objekten, insbesondere Bewegungspfeilen.

Mehr

ADSORPTIONS-ISOTHERME

ADSORPTIONS-ISOTHERME Institut für Physiklishe Chemie Prktikum Teil und B 8. DSORPTIONS-ISOTHERME Stnd 30/0/008 DSORPTIONS-ISOTHERME. Versuhspltz Komponenten: - Büretten - Pipetten - Shütteltish - Wge - Filtriergestell - Behergläser.

Mehr

Stoffumfang 1.Semester - Lektionen. Grundbegriffe 1 2 3 4 5 6

Stoffumfang 1.Semester - Lektionen. Grundbegriffe 1 2 3 4 5 6 FH Augsburg Ingenieurmthemtik Stoffumfng.Semester - Lektionen Grundbegriffe 4 5 6 Differenzition 7 8 9 0 Höhere Funktionen 4 Koordinten, Gerde, Steigung Funktionen und Grphen, Umkehrfunktion Trigonometrische

Mehr

Grundwissen Mathematik 7I

Grundwissen Mathematik 7I Winkel m Kreis Grundwissen themtik 7I Rndwinkelstz Der Winkel heißt ittelpunktswinkel über der Sehne []. Die Winkel n sind die Rndwinkel über der Sehne []. lle Rndwinkel über einer Sehne eines Kreises

Mehr

Schützen Sie diejenigen, die Ihnen am Herzen liegen. Risikopremium

Schützen Sie diejenigen, die Ihnen am Herzen liegen. Risikopremium Schützen Sie diejenigen, die Ihnen m Herzen liegen Risikopremium Verntwortung heißt, weiter zu denken Die richtige Berufswhl, die Gründung einer eigenen Fmilie, die eigenen vier Wände, der Schritt in die

Mehr

Übungsheft Mittlerer Schulabschluss Mathematik

Übungsheft Mittlerer Schulabschluss Mathematik Ministerium für Bildung und Kultur des Lndes Schleswig-Holstein Zentrle Abschlussrbeit 011 Übungsheft Mittlerer Schulbschluss Mthemtik Korrekturnweisung Impressum Herusgeber Ministerium für Bildung und

Mehr

von Prof. Dr. Ing. Dirk Rabe FH Emden/Leer

von Prof. Dr. Ing. Dirk Rabe FH Emden/Leer vo Prof. Dr. Ig. Dirk Rbe FH Emde/Leer Überblick: Folge ud Reihe Folge: Zhlefolge ( ) ; ; ; ist eie geordete Liste vo Zhle ( IN) : Glieder der Folge f(): Bildugsgesetz (eplizit i oder rekursiv) z.b.: (

Mehr

13 Rekonfigurierende binäre Suchbäume

13 Rekonfigurierende binäre Suchbäume 13 Rekonfigurierende inäre Suchäume U.-P. Schroeder, Uni Pderorn inäräume, die zufällig erzeugt wurden, weisen für die wesentlichen Opertionen Suchen, Einfügen und Löschen einen logrithmischen ufwnd uf.

Mehr

Teil V: Formale Sprachen

Teil V: Formale Sprachen Formle Sprchen Teil V: Formle Sprchen 1. Sprchen und Grmmtiken 2. Endliche Automten Frnz-Josef Rdermcher & Uwe Schöning, Fkultät für Ingeneurwissenschften und Informtik, Universität Ulm, 2008/09 Formle

Mehr

2 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

2 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

Mehr

8.3. Komplexe Zahlen

8.3. Komplexe Zahlen 8.. Komplee Zhle Wie bereits i 8.. drgestellt, wurde die fortlufede Erweiterug der Zhlbereiche durch die Eiführug immer kompleerer Recheopertioe otwedig:. Auf de türliche Zhle führte der Wusch ch iverse

Mehr

-25/1- DIE RÖHRENDIODE

-25/1- DIE RÖHRENDIODE -25/1- DIE RÖHRENDIODE ufgben: Messverfhren: Vorkenntnisse: Lehrinhlt: Litertur: ufnhme der Kennlinie einer Röhrendiode und einiger rbeitskennlinien. Bestimmung des Exponenten der Schottky-Lngmuirschen

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Die Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.

Die Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1. Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. 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

Mehr

Matrizennorm. 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. 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

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik 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

Mehr

Wo liegen die Unterschiede?

Wo liegen die Unterschiede? 0 VERGLEICH VON MSA UND VDA BAND 5 Wo liegen die Unterschiede? MSA steht für Mesurement System Anlysis. Dieses Dokument wurde erstmls 1990 von der Automotive Industry Action Group (AIAG) veröffentlicht.

Mehr