µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε.
|
|
- Susanne Lange
- vor 6 Jahren
- Abrufe
Transkript
1 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 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, () µ(u\k) < ε. Beweis. Setze U j,k = x U : k k + f(x) < } (j N,k Z). j j Es ist klar, dass U j,k meßbar ist. Aus Lemma 4.3 in Analysis III haben wir K j,k U j,k kompakt mit µ(u j,k \K j,k ) < j k. Daraus gilt lim N µ(u\ N k= N K j,k) = µ(u\ k= K j,k) Wähle N(j), so dass mit K j = N(j) k= N(j) K j,k gilt: Setze K := j= K j. Wir haben µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < j ε. µ(u\k j ) < j ε. µ(u\k) µ( j= U\K j) < µ(u\k j ) < ε. Setze f j (x) = k j für x K j,k. f j ist stetig auf K j, da dist(k j,k,k j,k ) > 0 für k k. Aus Definition haben wir j= f(x) f j (x) j für x K K j. D.h. F j gleichmäßig auf K gegen f konvergiert. Also f ist stetig auf K. Theorem 3.5. (Tietze-Urysohn). Sei K (X,d) abgeschlossen und f : K R stetig. Dann gibt es eine Fortsetzung f C 0 (X), also f K = f, mit sup f(x) = sup f(x). x X x K Beweis. obda nehmen wir, dass sup x K f(x) =. Zu A, B abgeschlossen mit A B = gibt es ϕ C 0 (X,[,]) mit ϕ(a) =, ϕ(b) = ; etwa ϕ(x) = dist(x,a) dist(x,b) dist(x,a)+dist(x,b). Konstruiert induktiv f k C 0 (X), k N 0 mit ( () f k (x) f k (x) ) k 3 für x X, k () f(x) f k (x) ( k 3) für x K, k 0 Start: f 0 = 0. Sei f k schon gefunden für k N. Setze Wähle ϕ k wie oben und setze A k = x K : f k (x) f(x) B k = x K : f k (x) f(x)+ f k = f k + ( ) k ϕ k. 3 ( ) k} ( 3 ) k}. 3
2 8 3. L P -RÄUME () ist offensichtlicht. () ergibt sich mit Fallunterscheidung: x A k 0 f(x) f k (x) ( ) k 3 ( ) k ( ) k ( ) k = x B k 0 f(x) f k (x)+ ( ) k 3 ( ) k + ( ) k ( ) k = x K\(A k B k ) f(x) f k (x) f(x) f k (x) + ( ) k 3 ( ) k + ( ) k ( ) k = Nach (), () strebt f k f gleichmäßig auf X und f K = f. Ferner f(x) f k (x) f k (x) ( ) k = =. 3 3 k= k= 3 Proof of Theorem Theorem folgt aus Theorem 3.5. und Theorem Definition Sei (X, d) σ-kompakter metrischer Raum, d.h., die Abstandskuglen x : d(x,x 0 ) R} sind kompakt. Ein Maß µ auf X heißt Radonmaß, falls (i) µ ist Borelregulär, d.h., alle Borelmenge sind meßbar und zu jeder Menge A X gibt es eine Borelmenge B A mit µ(b) = µ(a). (ii) µ(k) < Kompaktum K X. Beispiel. Beispielsweise ist R n, ausgestattet mit der Standardmetrik, σ-kompakt, denn x : d(x,x 0 ) R} ist kompakt. L n ist ein Radonmaß. Theorem Sei µ = L n oder µ ein Radonmaß auf σ-kompaktem metrischem Raum. Dann ist L p (µ) separabel für p <. Beweis. Es reicht aus, jede Funtion u C 0 c(x) zu approximieren, denn C 0 c(x) ist dicht in L p (µ) für p <. Setze B n = x : d(x,x 0 ) < n} für n N. Überdecke B n durch endlich viele Kugeln B (x n,j), ( j j n n ), mit Mittelpunkten x n,j B n. Definiere nd(x,xn,j ), falls d(x,x ξ n,j (x) := n,j ) < n 0, sonst. und ξ n,0 (x) := dist(x,b n ) η n,j (x) = Es ist leicht nachzuprüfen, dass gilt η n,j C 0 c(x) für j j n. ξ n,j (x) jn k=0 ξ n,k(x).
3 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 9 j n j=0 η n,j(x) = für alle x X (Teilung der Eins). Sei nun u C 0 c(x) mit sptu B n. Setze Daraus haben wir u(x) j n j= α j = u(x n,j ) für j j n. α j η n,j j n j= (u(x) α j )η n,j osc(u, ) 0 mit n. n Also spanη n,j : n N, j j n } ist dicht. Wähle linerakombinationen mit rationalen Koeffizienten. Bemerkung. l und L (Ω) (Ω R n offen) sind nicht separabel. Bemerkung. Wir heben auch gezeigt, dass C 0 (X) separabel ist, falls X kompakt ist. Im folgenden interessieren wir uns den Dualraum vom L p (µ). Betrachte für p,q mit p + q = J : L q (µ) L p (µ), (Jv)u = uvdµ. Lemma J : L q L p (µ) ist isometrisch, d.h., Jv = v L q (µ) für alle v L q (µ). Beweis. Jv iststetig,denn (Jv)u u L p v L q nachderungleichungvonhölder. Es folgt Jv v L q, also Jv ist stetig. J : L q L p (µ) is stetig, denn die Operatornorm J ist kleiner oder gleich. obda nehmen wir an, dass v L q =. Sei zunächst q < (p > ). Setze D q : v L q (µ) : v L q = } u L p (µ) : v L p = } X D q (v) = v q v. Es ist leicht zu zeigen, dass D q (v) L q = ( v p(q ) dµ) p = ( v q dµ) p =, (denn p = q q ) und (Jv)(D q (v)) = v q dµ = = D q (v) L q. Also gilt Jv =. Sei nun q = und p =. Wähle eine Ausschöpfung E E von X, E j messbar, mit µ(e j ) < (z. B., Kugeln von Raduis j) und E j,δ = x E j : v(x) δ}. Es gilt µ(e j,δ ) > 0 für j hinreichend groß, denn v L =. Setze u = (signv)χ Ej,δ L (µ). Wir haben (Jv)u = v dµ ( δ)µ(e j,δ ) = ( δ) u L E j,δ Mit δ ց 0 folgt Jv =.
4 30 3. L P -RÄUME Theorem (Darstellungssatz von Riesz). Sei µ maß auf X, p + q = mit p <. Dann ist J : L q (µ) L p (µ), (Jv)u = uvdµ ein normtreuer Isomorphismus. Für p = muß das mass σ-endlich sein. Beweis. Wir betrachten zunächst den Fall < p <. Sei ϕ L p (µ) gegeben, obda ϕ =. Sei S = u L p (µ) : u L p = }. Wir haben also sup u S ϕ(u) =. Angennomen, wir haben schon v 0 L q (µ) mit Jv 0 = ϕ. Nach Lemma gilt v 0 L q = Jv 0 = ϕ =. Es folgt D q (v 0 ) L p =. Also ϕ S hat in u 0 := D q (v 0 ) S ein Maximum. Ansatz. Bestimme Maximumstelle u 0 S von ϕ S und setze v 0 = D q (u 0) = D p (u 0 ) (Bemerkung: D q und D p sind zueinander invers.) Schritt. Sei u 0 S mit ϕ(u 0 ) = sup u S ϕ(u) = Dann gilt J(D q (u 0 )) = ϕ, d.h., v 0 = D p (u 0 ) ist eine Lösung der Darstellungsaufgabe. Beweis. Sei G : L p (µ) R, G(u) = u p dµ. Sei t < und u L p (µ) beliebig. Wir haben t u 0 +tu p = p u 0 +tu p (u 0 +tu)u und t u 0 +tu p p( u 0 + u ) p p p (( u 0 p + u p ) L. Nach der Parameterdifferentiation gilt d dt u 0 +tu L p t=0 = d dt G(u 0 +tu) p t=0 = p G(u 0) p d u 0 +tu p dµ t=0 dt = u 0 p u 0 udµ = J(D p (u 0 )),u. Aus der Maximaleigenschaft von u 0 folgt 0 = d ( ) dt ϕ u0 +tu = ϕ(u) J(D p (u 0 )),u ϕ(u 0 ), u 0 +tu L p t=0 X = ϕ(u) J(D p (u 0 )),u, u Schritt. Existenz einer Maximalstelle. Sei u k S mit ϕ(u k ) sup u S ϕ(u) =. Wir wollen zeigen, dass u k eine Cauchyfolge ist. Dazu behaupten wir folgende gleichmäßige Konvexitätseigenschaft des Normballs: ε > 0, δ > 0 so dass gilt (3.) u L p = v L p =, u+v L p δ u v L p < ε. Für die Maximalfolge gilt für k,l groß, δ (ϕ(u k)+ϕ(u l )) = ϕ( u k +u l ) u k +u l L p
5 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 3 Aus (3.) gilt u k u l L p ε für k,l groß. Also konvergiert u k } gegen die gesuchte Stelle u 0 S. Beweisende für p >. Lemma (Gleichmäßge Konvexität von L p (µ).). Zu < p < gibt es eine Konstante c = c(p), so dass für alle u,v L p (µ) gilt: ( u p L p + v p L p) u+v p c u v p L L p, p p c( u p L p + v p L p ) u v Lp, < p. Beweis. f(x) = x p ist konvex für x R, genauer Wir behaupten: (3.3) ( u 0 p + x p ) x 0 +x p f (x) = p x p x, f (x) = p(p ) x p > 0 für x 0. c(p) x0 x p, p c(p)( u 0 + x ) p x 0 x, < p. obda nehmen wir an, dass x = und x 0 = x [,]. Setze σ(x) = (+ x p ) ( +x ) p 0 x τ(x) = p, p (+ x ) p ) x, < p. Wir rechnen σ (x) = p x p x ( +x ) p < 0 für x < σ() = 0 = τ(), σ () = 0 = τ (), σ () = p(p+) 4 0, p τ () = p, < p. Wähle µ = µ(p) > 0 mit σ () µτ () > 0. Dann gibt δ = δ(p) > 0 mit Für x δ verwende Es folgt σ(x) µτ(x) 0, für δ x. σ(x) σ( δ) σ( δ) p+ τ(x). σ(x) c(p)τ(x) mit c(p) = minµ, σ( δ) p+ }. (3.3) ist gezeigt. p : Nach der Integration über (3.3) folgt die Behauptung.
6 3 3. L P -RÄUME < p < : Verwendung der Hölder Ungleichung mit p und p liefert u v L p = ( ( Es bleibt die Einbettung zu untersuchen. ) ( u + v ) p ( p) ( u + v ) p (p ) u v p p dµ ) ( p) ( u + v ) p p ( u + v ) p u v dµ ( ) c(p) ( u L p + v L p) p ( u p L p + v p L p) u+v p L p. J : L (µ) L (µ) Beweis von L (µ) = L (µ). Sei ϕ L (µ) gegeben. Für A X meßbar, µ(a) < und p definiere ϕ p : L p (µ) R, ϕ p (u) = ϕ(χ A u). ϕ p ist stetig, denn aus der Hölder Ungleichung gilt ϕ p (u) ϕ χ A u L ϕ µ(a) q u p. Nach Rieszschem Darstellungssatz für < p < existiert v p L q (µ) mit Jv p,u = uv p dµ = ϕ p (u) = ϕ(χ A u), u L p (µ). Daraus folgt J(χ X\A v p ),u = Jv p,χ X\A u = ϕ(0) = 0, u L p (µ). Da J isometrisch ist, gilt v p = 0 f.ü. aud X\A. Sei p < p und u L p (µ). Dann q > q und v p L q (µ) (da v p = 0 f.ü. auf X\A.) Also haben wir uv p dµ = ϕ p (u) Daraus folgt v p = v p =: v fast überall, und = ϕ(χ A χ A u) = χ A uv p dµ (da χ A u L p ) = uv p dµ. v L q = ϕ p ϕ µ(a) q ϕ mit p ց. Also v L sowie uvdµ = ϕ(χ A u) u L p (µ),p > bliebig Da L p dicht in L, ergibt sich die Darstellungsformell auf L. Wähle eine Ausschöpfung X = k A k, A k meßbar und µ(a k ) <. Seien v k L (µ), v k ϕ wie oben konstruiert. Für k < k und u L (µ) gilt
7 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 33 u(χ Ak v k )dµ = (uχ Ak )v k dµ = ϕ(χ Ak uχ Ak )dµ = ϕ(χ Ak u) da A k A k = uv k dµ. Alsov k = v k =: v L aufa k,undv hatdiegewünschtedarstellungseigenschaft. Bemerkung. J : L (µ) L (µ) ist nicht surjektiv.
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
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
Mehr2 Allgemeine Integrationstheorie
2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
Mehri=1 i=1,...,n x K f(x).
2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,
MehrÜbungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
MehrSchwache Konvergenz. Kapitel 8
Im Hinblick auf die funktionalen Grenzwertsätze wird in diesem Kapitel die Theorie der schwachen Konvergenz endlicher Maße auf separablen metrischen, vorallem polnischen Räumen entwickelt. In dieser Situation
MehrKonvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05
Konvexe Mengen Kanglin,Chen Universität Bremen, Proseminar WS 04/05 Satz. (Satz von Kirchberger) Sei P, Q E n kompakt und nicht leer. Dann gilt: P, Q sind durch eine Hyperebene streng trennbar. Für jede
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrSkript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich
Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,
MehrLösungen 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
Mehrα + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus
4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F
MehrDas heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.
Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................
MehrVollständiger Raum, Banachraum
Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen
Mehr4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden
Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser
MehrMaße auf Produkträumen
Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
Mehr10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)
10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrDefinition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch
Kapitel 4 Die rationalen Zahlen Wir haben gesehen, dass eine Gleichung a x = b mit a, b Z genau dann eine Lösung x Z besitzt, wenn a b. Zum Beispiel hat 2 x = 1 keine Lösung x Z. Wir wollen nun den Zahlbereich
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrExistenz des Lebesgue-Borel-Maßes
A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrMathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
Mehr2. Normierte Räume und Hilberträume Normierte Räume.
2 2. NORMIERTE RÄUME UND HILBERTRÄUME 2.. Normierte Räume. 2. Normierte Räume und Hilberträume Bemerung 2... Wir sagen, dass V ein K-Vetorraum sei, wenn V ein Vetorraum über R oder über C ist. Definition
Mehr5.1 Charakterisierung relativ kompakter und kompakter
Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrAnhang B: Quadratische Irrationalzahlen 1 Reel-quadratische Zahlkörper
Anhang B: Quadratische Irrationalzahlen 1 Reel-quadratische Zahlkörper Eine reelle Zahl x Q heißt quadratische Irrationalzahl, wenn sie Lösung einer quadratischen Gleichung (1) ax bx c 0, a 0 mit rationalen
MehrFraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:
Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12
Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
MehrGesetze der großen Zahlen
Kapitel 0 Gesetze der großen Zahlen 0. Einführung Im ersten Kapitel wurde auf eine Erfahrungstatsache im Umgang mit zufälligen Erscheinungen aufmerksam gemacht, die man gewöhnlich als empirisches Gesetz
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
Mehr4.5 Schranken an die Dichte von Kugelpackungen
Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
MehrKonstruktion reeller Zahlen aus rationalen Zahlen
Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrLösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.
Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )
MehrSatz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik
Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen
MehrLjapunov Exponenten. Reiner Lauterbach
Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrPositive lineare Funktionale. 1 Eigenschaften positiver linearer Funktionale
Vortrag zum Seminar zur Funktionalanalysis, 11.12.2008 Holger Wintermayr Durch die Gelfand-Transformation können wir die Struktur einer abelschen C*- Algebra vollständig im Sinne der eines Funktionenraumes
MehrALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die
ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
MehrStochastische Finanzmathematik I
Notizen zu der Vorlesung Stochastische Finanzmathemati I 1 Zum Ein-perioden-Modell 1.1 Beispiel: Zwei-wertiges Modell: π 0 = 1, S 0 =, { b Wahrs. p S 1 = a Wahrs. 1 p Arbitrage frei: Es gibt p 0, 1) mit
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrMathematische Ökonometrie
Mathematische Ökonometrie Ansgar Steland Fakultät für Mathematik Ruhr-Universität Bochum, Germany ansgar.steland@ruhr-uni-bochum.de Skriptum zur LV im SoSe 2005. Diese erste Rohversion erhebt keinen Anspruch
Mehr3 Markov-Eigenschaft der Brownschen Bewegung
Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t
MehrTrennende Markov Ketten
Trennende Markov Ketten (in Zusammenarbeit mit A. Martinsson) Timo Hirscher Chalmers Tekniska Högskola Seminarvortrag KIT 8. Mai 206 Übersicht Der Seminarvortrag ist wie folgt gegliedert: Einleitung Denitionen
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
MehrGleichmäßige Konvergenz und Funktionenräume
Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrAnalysis III Wintersemester 2003/2004. W. Ebeling
Analysis III Wintersemester 2003/2004 W. Ebeling 1 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de
MehrLehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrDIRICHLET-L-REIHEN UND SATZ VON DIRICHLET ÜBER PRIMZAHLEN IN ARITHMETISCHEN PROGRESSIONEN
DIRICHLET-L-REIHEN UND SATZ VON DIRICHLET ÜBER PRIMZAHLEN IN ARITHMETISCHEN PROGRESSIONEN MARIN GENOV Zusammenfassung. Die nachfolgende Ausarbeitung hat sich zum Ziel gesetzt, einen möglichst kurzen, zugleich
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrMinkowski-Theorie & die Klassenzahl
Minkowski-Theorie & die Klassenzahl David Müßig Seminar zur Kommutativen Algebra Bemerkung 1. Wir betrachten im Folgenden stets endliche Körpererweiterungen K Q vom Grade n (K ist also ein algebraischer
MehrKonstruktion der reellen Zahlen. 1 Der Körper der reellen Zahlen
Vortrag zum Proseminar zur Analysis, 24.10.2012 Adrian Hauffe-Waschbüsch In diesem Vortrag werden die reellen Zahlen aus rationalen Cauchy-Folgen konstruiert. Dies dient zur Vorbereitung der späteren Vorträge,
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrTechniken zur Berechnung der Dimension
Seminarvortrag Ulm, 21.11.2006 Übersicht Masse-Verteilungs-Prinzip Berechnung der Dimension von Fraktalen Es ist oft nicht einfach die Hausdorff - Dimension allein durch deren Definition zu berechnen.
Mehr6.2 Beispiel: endlich dimensionale Räume
6.2 Beispiel: endlich dimensionale Räume 81 6.2 Beispiel: endlich dimensionale Räume Wir stellen hier ein paar Aussagen über verschiedene Normen in endlich dimensionalen Räumen vor. Sie dienen vor allem
Mehr1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche
1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrKapitel 19. Das Lebesgue Maß σ Algebren und Maße
Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir
MehrFunktionalanalysis. Vorlesungsskript Sommersemester Bernd Schmidt. Version vom 31. Juli 2012
Funktionalanalysis Vorlesungsskript Sommersemester 2012 Bernd Schmidt Version vom 31. Juli 2012 Institut für Mathematik, Universität Augsburg, Universitätsstr. 14, 86135 Augsburg, bernd.schmidt@math.uni-augsburg.de
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
Mehr