Der Satz von Lusin. Markus Schuster Juni 2012 Universita t Ulm

Größe: px
Ab Seite anzeigen:

Download "Der Satz von Lusin. Markus Schuster Juni 2012 Universita t Ulm"

Transkript

1 Der Satz von Lusin Markus Schuster Juni 2012 Universita t Ulm Maßtheorie Seminar 2012

2 Seite 2 Der Satz von Lusin Markus Schuster Juni 2012 Inhaltsverzeichnis Motivation Definitionen Der Satz von Lusin Beweis Bemerkungen

3 Seite 3 Der Satz von Lusin Markus Schuster Juni 2012 Motivation Stetige Funktionen sind Borel-messbar. Umkehrung gesucht.

4 Seite 4 Der Satz von Lusin Markus Schuster Juni 2012 Einführendes Beispiel f (x) := f ist in keinem Punkt stetig. { 1, x Q [0, 1] 0, x (R\Q) [0, 1] Sei r n eine Abzählung von Q [0, 1]. U n := ( r n δ, r 2 n+2 n + δ ) 2 [0, 1] und sei δ > 0. n+2 K c := n=1 U n offen r n K c n N f K 0 f K ist stetig.

5 Seite 5 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Vollständiger Raum) Ein metrischer Raum Ω heißt vollständig, falls jede Cauchy-Folge von Punkten aus Ω in Ω konvergiert. Definition (Dichte Teilmenge) Sei M Ω. M liegt dicht in Ω, falls x Ω und ε > 0 y M sodass d(x, y) < ε. Definition (Seperabel) Ein metrischer Raum Ω heißt seperabel, wenn es eine abzählbare Teilmenge gibt, die dicht in Ω liegt.

6 Seite 6 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Vollständiger Raum) Ein metrischer Raum Ω heißt vollständig, falls jede Cauchy-Folge von Punkten aus Ω in Ω konvergiert. Definition (Dichte Teilmenge) Sei M Ω. M liegt dicht in Ω, falls x Ω und ε > 0 y M sodass d(x, y) < ε. Definition (Seperabel) Ein metrischer Raum Ω heißt seperabel, wenn es eine abzählbare Teilmenge gibt, die dicht in Ω liegt.

7 Seite 7 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Vollständiger Raum) Ein metrischer Raum Ω heißt vollständig, falls jede Cauchy-Folge von Punkten aus Ω in Ω konvergiert. Definition (Dichte Teilmenge) Sei M Ω. M liegt dicht in Ω, falls x Ω und ε > 0 y M sodass d(x, y) < ε. Definition (Seperabel) Ein metrischer Raum Ω heißt seperabel, wenn es eine abzählbare Teilmenge gibt, die dicht in Ω liegt.

8 Seite 8 Der Satz von Lusin Markus Schuster Juni 2012 Definition (σ-endliches Maß) Ein Maß heißt σ-endlich, wenn es eine abzählbare Folge messbarer Mengen {A 1, A 2,...} gibt, mit µ(a k ) < und Ak = Ω. Definition (Polnischer Raum) Ein metrischer Raum heißt polnisch, wenn er seperabel und vollständig metrisierbar ist.

9 Seite 9 Der Satz von Lusin Markus Schuster Juni 2012 Definition (σ-endliches Maß) Ein Maß heißt σ-endlich, wenn es eine abzählbare Folge messbarer Mengen {A 1, A 2,...} gibt, mit µ(a k ) < und Ak = Ω. Definition (Polnischer Raum) Ein metrischer Raum heißt polnisch, wenn er seperabel und vollständig metrisierbar ist.

10 Seite 10 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Von innen regulär) Ein Maß µ heißt von innen regulär, wenn A Σ gilt: µ(a) = sup{µ(k ) : K A, K kompakt}. Definition (Von außen regulär) Ein Maß µ heißt von außen regulär, wenn A Σ gilt: µ(a) = inf {µ(u) : U A, U offen}. Definition (Regulär) Ein Maß µ heißt regulär, falls es von innen und von außen regulär ist.

11 Seite 11 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Ulam) Jedes Borel-Maß auf einem polnischen Raum ist regulär.

12 Seite 12 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

13 Seite 13 Der Satz von Lusin Markus Schuster Juni 2012 Beweisschema: (a) (b) (c) (e) (a) (d)

14 Seite 14 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

15 Seite 15 Der Satz von Lusin Markus Schuster Juni 2012 Beweis. (a) (b): O.B.d.A. U = X, µ(x) <. Sei {(b n ) n N} eine abzählbare dichte Teilmenge von Y, Def. B n := {y Y d(y, b n ) < 1/n}. n N B n = Y Reg. n N ein K n K und V n O mit K n g 1 (B n ) V n und µ(v n \K n ) < δ 2 (n+1) V := n=1 (V n\k n ) offen mit µ(v ) < δ/2, und h := g V c ist stetig, da n N:

16 Seite 16 Der Satz von Lusin Markus Schuster Juni 2012 V n V c = K n V c g 1 (B n ) V c = h 1 (B n ) = g 1 (B n ) V c V n V c h 1 (B n ) = V n V c offen in V c h stetig. Es sei N B, so gewählt dass f N c = g N c und µ(n) = 0. inn.reg. K (V N) c = V c N c mit µ((v N c )\K ) < δ/2. Dann ist µ(k c ) = µ(x K c ) = µ(((v N)\K ) (V c N c K )) µ(v N) + µ((v N) c \K ) < δ, und f K = g K = h K stetig, da K V c.

17 Seite 17 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

18 Seite 18 Der Satz von Lusin Markus Schuster Juni 2012 (b) (c): Sei A B(X) mit µ(a) <. U A offen und K A kompakt mit (b) L U kompakt mit µ(u\k ) < δ/2. µ(u\l) < δ/2, so dass f L stetig ist. Nun ist K L A kompakt mit und f K L ist stetig. µ(a\(k L)) µ(a\k ) + µ(a\l) < δ

19 Seite 19 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

20 Seite 20 Der Satz von Lusin Markus Schuster Juni 2012 (c) (d): klar, da die kompakten Mengen B(X) erzeugen. (d) (c): Sei A B(X) mit µ(a) < und δ > 0 T A kompakt mit (d) wähle K T kompakt mit µ(a\t ) < δ/2. µ(t \K ) < δ/2 so dass f K stetig ist. Dann leistet K das Verlangte.

21 Seite 21 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

22 Seite 22 Der Satz von Lusin Markus Schuster Juni 2012 (c) (e): Genügt Z, dass (K n ) n N X mit K i K j = i j (( n ) c ) µ K i < 1/n i=1 mit f Kn stetig n N. Dann ( ist ) c N := K i = i=1 i=1 K c i eine zu allen K n disjunkte Borelsche Menge mit µ(n) < 1/n n N also mit µ(n) = 0. Bew per vollständiger Induktion aus (c):

23 Seite 23 Der Satz von Lusin Markus Schuster Juni 2012 Zunächst existiert eine kompakte Menge K 1 X mit µ(k c 1 ) < 1 und f K1 stetig. Seien K 1,..., K n bereits definiert, (c) K kompakt mit und f K stetig. µ( K c ) < 1 2(n + 1)

24 Seite 24 Der Satz von Lusin Markus Schuster Juni 2012 Def. L := K 1... K n inn.reg. K n+1 K \L kompakt mit Wegen µ( K L c K c n+1 ) < 1 2(n + 1) µ((l K n+1 ) c ) = µ( K c L c K n+1 ) + µ( K L c K n+1 ) µ( K c ) + µ( K L c K n+1 ) < 1 n + 1 leistet K n+1 das Verlangte.

25 Seite 25 Der Satz von Lusin Markus Schuster Juni 2012 Satz (Der Satz von Lusin) Es seien X ein metrische-raum, Y sei ein vollständig seperabler metrischer Raum, µ sei ein σ-endliches reguläres Borel-Maß auf B(X) und f : X Y. Dann sind folgende Aussagen äquivalent: (a) Es gibt eine Borel-messbare Funktion g : X Y mit f = g µ-f.ü.. (b) Zu jedem offenen U X mit µ(u) < und jedem δ > 0 gibt es eine kompakte Menge K U mit µ(u\k ) < δ, so dass f K stetig ist. (c) Zu jedem A B(X) mit µ(a) < und jedem δ > 0 gibt es eine kompakte Menge K A mit µ(a\k ) < δ, so dass f K stetig ist. (d) Zu jeder kompakten Menge T X und jedem δ > 0 gibt es eine kompakte Menge K T mit µ(t \K ) < δ, so dass f K stetig ist. (e) Es existiert ein Zerlegung von X in eine Folge (K n ) n N kompakter Mengen und in eine µ-nullmenge N B(X) derart, dass f Kn stetig n N

26 Seite 26 Der Satz von Lusin Markus Schuster Juni 2012 (e) (a): Seien X, K n n N gegeben nach (e) so dass X = N n=1 K n. Falls N = setze g := f, sonst wähle y 0 f (N) beliebig und setze { y0, x N g(x) := f (x), x X\N g : X Y und f = g µ-f.ü.. Z Z : g ist Borel-messbar. G offen in Y folgt: g 1 (G) = (g 1 (G) X) = (g 1 (G) N) = N 0 n=1 gn 1 (G) ((g 1 (G) K n )) n=1

27 Seite 27 Der Satz von Lusin Markus Schuster Juni 2012 mit N 0 := g 1 (G) N und g n := g Kn { N, falls y0 N N 0 = 0, falls y 0 / N 0 g n = g Kn = f Kn f K n stetig gn 1 (G) offen in K n n=1 g 1 n (G) offen g Borel-messbar.

28 Seite 28 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Radon-Maß) Ein von innen reguläres Borel-Maß nennt man ein Radon Maß. Definition (Moderates Maß) Ein Borel Maß heißt moderat, wenn Ω die Vereinigung einer Folge offenen Mengen endlichen Maßes ist.

29 Seite 29 Der Satz von Lusin Markus Schuster Juni 2012 Definition (Radon-Maß) Ein von innen reguläres Borel-Maß nennt man ein Radon Maß. Definition (Moderates Maß) Ein Borel Maß heißt moderat, wenn Ω die Vereinigung einer Folge offenen Mengen endlichen Maßes ist.

30 Seite 30 Der Satz von Lusin Markus Schuster Juni 2012 Bemerkungen Die Voraussetzungen für µ sind z.b. erfüllt, wenn: (i) X ein polnischer Raum ist und µ ein Borel-Maß (Satz von Ulam) (ii) µ ein moderates Radon-Maß ist

31 Seite 31 Der Satz von Lusin Markus Schuster Juni 2012 Beweis von Bem (ii) Sei µ ein moderates Radon Maß, (G n ) n N offener Mengen mit n N = X. µ n := µ B(G n )(n N) ist regulär n N(ohne Beweis). Sei A B(X) und A n := A G n (n N). ε > 0 ein U n offen mit A n U n G n und µ(u n \A n ) = µ n (U n \A n ) < ε 2 n U := n N offen, U A, µ(u\a) < ε µ ist von außen regulär.

32 Seite 32 Der Satz von Lusin Markus Schuster Juni 2012 Literatur Jürgen Elstrodt, Maß- und Integrationstheorie, fourth ed., Springer-Lehrbuch. [Springer Textbook], Springer-Verlag, Berlin, 2005, Grundwissen Mathematik. [Basic Knowledge in Mathematics]. Heinz Bauer, Maß- und Integrationstheorie, second ed., de Gruyter Lehrbuch. [de Gruyter Textbook], Walter de Gruyter & Co., Berlin, 1992.

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012 Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

Mehr

Das Lebesgue-Maß im R p

Das Lebesgue-Maß im R p Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien

Mehr

Metrische äußere Maße, Borel-Maße

Metrische äußere Maße, Borel-Maße Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

A. Maß- und Integrationstheorie

A. Maß- und Integrationstheorie A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei

Mehr

Aufgaben zu Kapitel 0

Aufgaben zu Kapitel 0 Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.

Mehr

Maßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006

Maßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006 Maßtheorie Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2005 und Wintersemester 2005/2006 1 1 Grundbegriffe der Maßtheorie Ziel: Konstruktion von Maßzahlen (wie z. B. Länge / Fläche

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

HANDOUT #1 KONVERGENZ VON W-MASSEN, VERTEILUNGEN UND ZUFALLSVARIABLEN

HANDOUT #1 KONVERGENZ VON W-MASSEN, VERTEILUNGEN UND ZUFALLSVARIABLEN HANDOUT #1 KONVERGENZ VON W-MASSEN, VERTEILUNGEN UND ZUFALLSVARIABLEN FOLKMAR BORNEMANN Die Vielfalt der Konvergenzberiffe für W-Maße, Verteilungen und Zufallsvariablen (wie vage, schwache, stochastische

Mehr

Ferienkurs in Maß- und Integrationstheorie

Ferienkurs in Maß- und Integrationstheorie Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien

Mehr

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel :

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel : 23 Maßtheorie Ziel : Entwicklung allgemeiner Konzepte, die es gestatten, z.b. Volumina und Oberflächen von Körpern R 3 sinnvoll zu definieren und zu berechnen; sinnvoll soll heißen : für den Einheitswürfel

Mehr

µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε.

µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε. 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 7 3.5. Lusin, Titze-Urysohn und Riesz. Theorem 3.5. (Lusin). Sei f : X R messbar. Zu U X offen mit µ(u) < und ε > 0 gibt es ein kompaktes K U, so dass gilt: () f K stetig,

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie

Mehr

1.3 Zufallsvariablen

1.3 Zufallsvariablen 1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P

Mehr

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

Mehr

d(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.

d(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y. Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen

Mehr

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 2 Kapitel 3 Integrationstheorie Vorlesungsausarbeitung zum SS 2001 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Maßtheorie

Mehr

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,

Mehr

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) http://www.ma.tum.de/hm/ma9204

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

Existenz des Lebesgue-Borel-Maßes

Existenz des Lebesgue-Borel-Maßes A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen

Mehr

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 Vollständigkeit Andreas Schmitt Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 1 Einleitung Bei der Konvergenz von Folgen im Raum der reellen Zahlen R trifft man schnell auf den Begriff der Cauchy-Folge.

Mehr

Schwache Konvergenz. Kapitel 8

Schwache Konvergenz. Kapitel 8 Im Hinblick auf die funktionalen Grenzwertsätze wird in diesem Kapitel die Theorie der schwachen Konvergenz endlicher Maße auf separablen metrischen, vorallem polnischen Räumen entwickelt. In dieser Situation

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Topologische Räume und stetige Abbildungen

Topologische Räume und stetige Abbildungen TU Dortmund Mathematik Fakultät Proseminar Lineare Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Julia Schmidt Dozent: Prof. Dr. L. Schwachhöfer Datum: 29.11.2013 Inhaltsverzeichnis

Mehr

2. Integration. {x : f(x) <a+ 1 n }

2. Integration. {x : f(x) <a+ 1 n } 9 2.1. Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten

Mehr

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR 0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

Etwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann

Etwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer

Mehr

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir

Mehr

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Übungsblatt 2 - Analysis 2, Prof. G. Hemion Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.

Mehr

Vorlesungen Analysis von B. Bank

Vorlesungen Analysis von B. Bank Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Schwache Konvergenz von Wahrscheinlichkeitsmaßen

Schwache Konvergenz von Wahrscheinlichkeitsmaßen Schwache Konvergenz von Wahrscheinlichkeitsmaßen 6. Juli 2010 Inhaltsverzeichnis 1 Definition 2 3 Lindeberg-Bedingung Interpretation Definition Motivation (Konvergenz von Wahrscheinlichkeitsmaßen) Sind

Mehr

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer 1 Überdeckungskompaktheit Einleitung P T Q A R S U B (a) (b) Abbildung 1: Beispiele verschiedener Überdeckungen (1.1) Definition (Überdeckung)

Mehr

Mathematik III. Produkt-Präringe

Mathematik III. Produkt-Präringe Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 66 Es ist unser Ziel zu zeigen, dass auf der Produktmenge von Maßräumen unter recht allgemeinen Voraussetzungen ein Maß definiert ist,

Mehr

Maß und Integral I und II. SS 2004 und WS 2004/05

Maß und Integral I und II. SS 2004 und WS 2004/05 Maß und Integral I und II SS 2004 und WS 2004/05 Vorlesung von Priv.-Doz. Dr. J. Dippon unter Verwendung einer Vorlesung von Prof. Dr. H. Walk im SS 2003 Inhaltsverzeichnis Bezeichnungen 3 1 Grundbegriffe

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen

Mehr

Serie 2 Lösungsvorschläge

Serie 2 Lösungsvorschläge D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

Mehr

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

Mehr

8 KAPITEL 1. GRUNDLAGEN

8 KAPITEL 1. GRUNDLAGEN 8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt

Mehr

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

Mehr

Elemente der mengentheoretischen Topologie

Elemente der mengentheoretischen Topologie Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e) 27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

Mehr

1 Konvergenz im p ten Mittel

1 Konvergenz im p ten Mittel Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In

Mehr

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i 3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und

Mehr

Grundlagen der Maßtheorie

Grundlagen der Maßtheorie Kapitel 4 Grundlagen der Maßtheorie 4.1 Das Maßproblem Das vielleicht ursprünglichste Problem der Geometrie ist das sogenannten Maßproblem. Dessen Behandlung steht im Zentrum dieses vierten Kapitels. Unsere

Mehr

Grundlagen Mengenlehre, Maßtheorie

Grundlagen Mengenlehre, Maßtheorie Grundlagen Mengenlehre, Maßtheorie 12. März 2011 1 Grundlagen der Mengenlehre - Rechnen mit Mengen Im folgenden bezeichnen wir mit P(X) die Menge aller Teilmengen von X, die sogenannte Potenzmenge von

Mehr

Metrische Räume. Kapitel Begriff des metrischen Raumes

Metrische Räume. Kapitel Begriff des metrischen Raumes Kapitel 8 Metrische Räume 8.1 Begriff des metrischen Raumes Bemerkung 8.1 Motivation. In diesem Abschnitt wird der Begriff des Abstandes zwischen reellen Zahlen verallgemeinert. Das ist notwendig, um Analysis

Mehr

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Meßbare Funktionen Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Definition. Seien (X, Ω 1 ) und (Y, Ω 2 ) Meßräume. Eine Abbildung f : X Y heißt Ω 1 -Ω 2 -meßbar oder kurz

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Absolute Stetigkeit von Maßen

Absolute 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

Mehr

Lösung zu Kapitel 5 und 6

Lösung zu Kapitel 5 und 6 Lösung zu Kapitel 5 und 6 (1) Sei f eine total differenzierbare Funktion. Welche Aussagen sind richtig? f ist partiell differenzierbar f kann stetig partiell differenzierbar sein f ist dann immer stetig

Mehr

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457. Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

Skriptbausteine zur Vorlesung Maßtheorie

Skriptbausteine zur Vorlesung Maßtheorie Skriptbausteine zur Vorlesung Maßtheorie Vorlesender: Prof. Dr. Bernd Hofmann Der folgende Text soll die Nacharbeit der Vorlesung erleichtern und dabei an Definitionen, Sätze und Beispiele erinnern. Das

Mehr

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind

Mehr

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober/November 2017

Mehr

2.6 Der Satz von Fubini

2.6 Der Satz von Fubini 1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N

Mehr

Analysis III. Vorlesung im Sommersemester 2007 Michael Struwe. Aktualisierte Version vom

Analysis III. Vorlesung im Sommersemester 2007 Michael Struwe. Aktualisierte Version vom Analysis III Vorlesung im Sommersemester 2007 Michael Struwe Aktualisierte Version vom 18.4.2008 1 Contents 1 σ-algebren und Masse 4 1.1 Der abstrakte Rahmen........................ 4 1.2 Konstruktion

Mehr

DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE

DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE Zusammenfassung. Ergänzend zur Übung vom 06.06.203 soll hier die Leibnizregel für die Differentiation parameterabhängiger Integrale formuliert und bewiesen

Mehr

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n) 2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

3 Markov-Eigenschaft der Brownschen Bewegung Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t

Mehr

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist

Mehr

Topologie. Ernst Albrecht. Vorlesung im Sommersemester 2007 Universität des Saarlandes Saarbrücken Stand: 20. Juli 2007

Topologie. Ernst Albrecht. Vorlesung im Sommersemester 2007 Universität des Saarlandes Saarbrücken Stand: 20. Juli 2007 Topologie Ernst Albrecht e Vorlesung im Sommersemester 2007 Universität des Saarlandes Saarbrücken Stand: 20. Juli 2007 Inhaltsverzeichnis Kapitel 1. Topologische Grundbegriffe in metrischen und topologischen

Mehr

Wahrscheinlichkeitstheorie und Maßtheorie

Wahrscheinlichkeitstheorie und Maßtheorie KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man

Mehr

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002

Mehr

Erwartungswert als Integral

Erwartungswert als Integral Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Stochastik WS 007/008 Universität Karlsruhe. 0. 008 r. B. Klar Klausur zur Vorlesung Stochastik II Muster-Lösung auer: 90 Minuten Name: Vorname: Matrikelnummer: iese Klausur hat bestanden,

Mehr

Kapitel 15 SATZ VON LEBESGUE,

Kapitel 15 SATZ VON LEBESGUE, Kapitel 15 SAT VON LEBESGUE, MEßBARKEIT UND L p -RÄUME Im folgenden sei stets ein Radon-Integral auf X. Fassung vom 16. Dezember 2002 Claude Portenier ANALYSIS 389 15.1 Nullmengen 15.1 Nullmengen DEFINITION

Mehr

Lebesgue-Integral und L p -Räume

Lebesgue-Integral und L p -Räume Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus 4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F

Mehr

Analysis III Wintersemester 2003/2004. W. Ebeling

Analysis III Wintersemester 2003/2004. W. Ebeling Analysis III Wintersemester 2003/2004 W. Ebeling 1 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de

Mehr

3 Das n-dimensionale Integral

3 Das n-dimensionale Integral 3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst

Mehr

Analysis 3. Stand 12. April Alle Rechte beim Autor.

Analysis 3. Stand 12. April Alle Rechte beim Autor. Analysis 3 Steffen Börm Stand 12. April 2011 Alle Rechte beim Autor. Inhaltsverzeichnis 1 Einleitung 5 2 Grundlagen der Maßtheorie 7 2.1 Motivation................................... 7 2.2 Systeme von

Mehr

Analyis I -Metrische Räume - eine Einführung in die Topologie

Analyis I -Metrische Räume - eine Einführung in die Topologie Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X

Mehr

Analysis III. Vorlesung 69. Integrierbare Funktionen

Analysis III. Vorlesung 69. Integrierbare Funktionen Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 69 Integrierbare Funktionen Wir führen nun das Lebesgue-Integral für messbare Funktionen auf einem aßraum ein. Dieser Integralbegriff

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung

Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung Michael Winkler Johannes Lankeit 8.4.2014 Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung Präsenzaufgabe 1: Rufe dir die folgenden Definitionen wieder in Erinnerung: C = {(x, y); x R, y R} bildet

Mehr

Strassen Type Theorems Proseminar Stochastik

Strassen Type Theorems Proseminar Stochastik Strassen Type Theorems Proseminar Stochastik Cecelie Hector Universität Hamburg Fachbereich Mathematik SoSe 2004 Vortrag am 25.06.04 Definition (a). Ein topologischer Raum E heißt polnisch, wenn es eine

Mehr

Wahrscheinlichkeitstheorie, Stochastische Prozesse, Stochastische Integration und Finanzmathematik

Wahrscheinlichkeitstheorie, Stochastische Prozesse, Stochastische Integration und Finanzmathematik Wahrscheinlichkeitstheorie, Stochastische Prozesse, Stochastische Integration und Finanzmathematik von Peter Pfaffelhuber Version: 21. Oktober 214 2 WARNUNG: Dieses Skript enthält noch viele Fehler. Es

Mehr

Technische Universität München. Aufgaben Mittwoch SS 2012

Technische Universität München. Aufgaben Mittwoch SS 2012 Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische

Mehr

Maßtheorie für Partielle Differentialgleichungen

Maßtheorie für Partielle Differentialgleichungen Maßtheorie für Partielle Differentialgleichungen Ben Schweizer TU Dortmund Material für das Sommersemester 2016 Version vom 9.8.2016 Inhaltsverzeichnis I. Allgemeine Maßtheorie 7 1. Maßräume 8 1.1. Definitionen

Mehr

L p Räume und der Satz von Riesz-Fischer

L p Räume und der Satz von Riesz-Fischer Kolloqium Partielle Differentialgleichungen 8.5.28 Carsten Erdmann L p Räume und der Satz von Riesz-Fischer 1.1. Definition. Sei p R, p >, dann setzen wir p :=, p :=. Sei f : K meßbar, dann ist f M + (,

Mehr

Kapitel II. Brownsche Bewegung. Literatur: Karatzas, Shreve (1999, Chap. 2).

Kapitel II. Brownsche Bewegung. Literatur: Karatzas, Shreve (1999, Chap. 2). Kapitel II Brownsche Bewegung Literatur: Karatzas, Shreve (1999, Chap. 2). Gegeben: Wahrscheinlichkeitsraum (Ω, A, P) mit Filtration F = (F t ) t I, wobei I = [0, [. Definition 1. W = (W t ) t I Brownsche

Mehr

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL Kapitel 16 SAT VON FUBINI UND DIE TRANSFORMATIONSFORMEL Im folgenden sind X und Y metrische Räume, oder allgemeiner topologische Hausdor räume, und sind Radon-Integrale auf X bzw. Y. Fassung vom 24. Januar

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr