Maximumprinzip und Minimumprinzip
|
|
- Hedwig Beutel
- vor 6 Jahren
- Abrufe
Transkript
1 Maximumprinzip und Minimumprinzip Daniela Rottenkolber LMU München Zillertal / Daniela Rottenkolber Maximumprinzip und Minimumprinzip 1/14
2 Übersicht Motivation mit Beispielen Schwaches Maximumprinzip Schwaches Minimumprinzip Starkes Maximumprinzip Starkes Minimumprinzip Daniela Rottenkolber Maximumprinzip und Minimumprinzip 2/14
3 Beispiel im Eindimensionalen f : x x 2 x ] R, R[ für ein R R u (x) = 2 > 0 = kein Maximum im Inneren = max I f = max I f : x x 2 x ] R, R[ für ein R R u (x) = 2 < 0 = kein Minimum im Inneren = min f = min f I I f Daniela Rottenkolber Maximumprinzip und Minimumprinzip 3/14
4 Beispiel im Zweidimensionalen u : (x, y) x 2 y 2 auf B r (M) u = 2u + x 2u = 2 2 = 0 y = kein Maximum und kein Minimum im Inneren = max B = min B u = max B u = min B u u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 4/14
5 Das schwache Maximumprinzip Es soll gelten : (i) ij aij (x) 2 Λ 2 (ii) a ij (x)ξ i ξ j λ ξ 2 x Ω, ξ R n und für das schwache Maximumprinzip: u W 1,2 (Ω) Lu 0 auf Ω sup Ω u sup Ω u + mit Lu = Σ ij xi (a ij (x) xj u) Ω R n Daniela Rottenkolber Maximumprinzip und Minimumprinzip 5/14
6 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
7 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
8 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
9 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
10 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
11 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
12 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
13 Das schwache Minimumprinzip Es gelten die gleichen Voraussetzungen (i,ii) wie im schwachen Maximumprinzip. Auÿerdem soll gelten: u W 1,2 (Ω) Lu 0 auf Ω inf u inf Ω Ω u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 8/14
14 Beweis. Wende das schwache Maximumprinzip auf L( u) = Lu 0 an, Wenn Lu 0 sup u sup( u) + Ω Ω inf u inf Ω Ω u inf Ω u inf Ω u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 9/14
15 Korollar der Eindeutigkeit: Sei u W 1,2 0 (Ω) und Lu = 0 auf Ω Dann gilt u = 0 auf Ω Beweis. Lu = 0 sup Ω u = sup u + inf u = inf Ω Ω Ω u Aber da u W 1,2 0 (Ω) sind die Randwerte gleich Null. u = 0 auf Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 10/14
16 Das starke Maximumprinzip Es gelten die gleichen Voraussetzungen wie beim schwachen Maximumprinzip (i,ii) Theorem F ür das starke Maximumprinzip gilt nun : u W 1,2 (Ω) und Lu 0 auf Ω Dann folgt aus : sup u = sup u 0 f ür einen Ball B Ω u muss in Ω konstant sein B Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 11/14
17 Beweis. Setze B = B R (y) o.b.d.a. sei B 4R (y) Ω. Sei M = sup u und wende die schwache Harnack Ungleichheit B f ür die Sublösung v = (M u) + an 0 R n (M u) B + dx C inf(m u) = 0 2R B u M auf B R und wir erhalten u M auf Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 12/14
18 Das starke Minimumprinzip Es gelten die gleichen Voraussetzungen (i, ii) wie im starken Maximumprinzip. Es sei u W 1,2 (Ω) und Lu 0 auf Ω Dann folgt aus: inf u = inf u 0 f ür einen Ball B Ω B Ω u muss auf Ω konstant sein Daniela Rottenkolber Maximumprinzip und Minimumprinzip 13/14
19 Vielen Dank für eure Aufmerksamkeit! Daniela Rottenkolber Maximumprinzip und Minimumprinzip 14/14
Ritz-Galerkin-Verfahren Courant Element
Ritz-alerkin-Verfahren Courant Element Moritz Scherrmann LMU München Zillertal am 09.01.2015 Moritz Scherrmann Ritz-alerkin-Verfahren Courant Element 1/15 Erinnerung Sei R n beschränktes ebiet, f C 0 ()
MehrAnalysis der Eikonal-Gleichung Teil I
Analysis der Eikonal-Gleichung Teil I Seminararbeit zur angewandten Mathematik Matthäus Deutsch vorgelegt bei Prof Dr. Wolfgang Ring Institut für Mathematik und Wissenschaftliches Rechnen Universität Graz
MehrStetige 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
MehrSchwache Konvergenz von Wahrscheinlichkeitsmaßen
Schwache Konvergenz von Wahrscheinlichkeitsmaßen 6. Juli 2010 Inhaltsverzeichnis 1 Definition 2 3 Lindeberg-Bedingung Interpretation Definition Motivation (Konvergenz von Wahrscheinlichkeitsmaßen) Sind
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
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
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
MehrFinite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
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
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
Mehr4 Absolutstetige Verteilungen und Zufallsvariablen 215/1
4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral
MehrDer Satz von Sobolev. Franziska Lehermeier. 14. Juni 2012
Der Satz von Sobolev Franziska Lehermeier 14. Juni 212 Inhaltsverzeichnis 1. Motivation 2. Beispiel 3. Satz von Sobolev 4. Bemerkung 5. Beweis von Satz von Sobolev 6. Satz von Sobolev, erweiterte Version
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
MehrInverse Fourier Transformation
ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II
für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung
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
MehrLineare partielle Differentialgleichungen, Teile I+II
Lineare partielle Differentialgleichungen, Teile I+II Reiner Schätzle, Ruben Jakob Wintersemester 2014/15 und Sommersemester 2015 Universität Tübingen Inhaltsverzeichnis I Vorbereitungen 1 1 Typen von
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
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
MehrLösung 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(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =
Mehr5 Lagrangeformalismus
63 5 Lagrangeformalismus 5.1 Lagrange und Sattelfunktionen Eine typische Aufgabe ist, daß eine Funktion zweier Veränderlicher L(x, y) gegeben ist und diese Funktion bezüglich einer Variabler (hier x) maximiert
MehrStationäre Newtonsche Strömung
Stationäre Newtonsche Strömung Bettina Suhr Inhaltsverzeichnis 1 Einleitung 2 2 Die Navier-Stokes-Gleichungen 2 3 Die schwache Formulierung 2 4 Die Ortsdiskretisierung 5 4.1 Taylor-Hood Elemente........................
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
MehrDie von Neumannsche Ungleichung
Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t
Mehrµ( 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,
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrOrlicz-Räume. Toni Scharle. Zillertal / LMU München. Motivation N-Funktionen Orlicz-Räume Ausblick
Orlicz-Räume Toni Scharle LMU München Zillertal / 12.12.2013 15.12.2013 Toni Scharle Orlicz-Räume 1/14 Motivation Erinnerung: u L p () = u(x) p dx A ( u(x) ) dx < mit A : R + 0 R+ 0 t t p Mögliche Verallgemeinerung:
MehrBrownsche Bewegung. Satz von Donsker. Bernd Barth Universität Ulm
Brownsche Bewegung Satz von Donsker Bernd Barth Universität Ulm 31.05.2010 Page 2 Brownsche Bewegung 31.05.2010 Inhalt Einführung Straffheit Konvergenz Konstruktion einer zufälligen Funktion Brownsche
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
MehrAllgemeine Punktprozesse
Allgemeine Punktprozesse Michael Auchter 17. Mai 2010 Seite 2 Allgemeine Punktprozesse 17. Mai 2010 Inhaltsverzeichnis Definitionen Definition von Punktprozessen Das Intensitätsmaß Stationarität, Isotropie
MehrGitterfreie Methoden. Florian Hewener. 29. Oktober 2013
Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche
MehrEinführung in die Boltzmann-Gleichung. Flavius Guiaş Universität Dortmund
Einführung in die Boltzmann-Gleichung Flavius Guiaş Universität Dortmund Antrittsvorlesung, 19.04.2007 INHALT 1 Herleitung der Boltzmann-Gleichung 2 Boltzmann-Ungleichung und Maxwell-Verteilung 3 H-Theorem
MehrDer Fundamentalsatz der Algebra. 1 Motivation
Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute
MehrPartielle Differentialgleichungen Kapitel 11
Partielle Differentialgleichungen Kapitel Die Laplace- und Poisson- Gleichungen Die Struktur bei elliptischen Gleichungen zweiter Ordnung ist nicht wesentlich verschieden bei Operatoren mit konstanten
MehrBootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle
Bootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle [Dudoit, van der Laan, Pollard: Multiple Testing. Part I Single-Step Procedures for Control of General Type-I-Error Rates]
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
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
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
Mehr3 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
MehrFinite Elemente am Beispiel der Poissongleichung
am Beispiel der Poissongleichung Roland Tomasi 11.12.2013 Inhalt 1 2 3 Poissongleichung Sei R n ein Gebiet mit abschnittsweise glattem Rand und f L 2 (). Wir suchen u : R, so dass u = f in, u = 0 Physikalische
MehrHausdorff Dimension, Zufälligkeit und Berechenbarkeit
Hausdorff Dimension, Zufälligkeit und Berechenbarkeit Jan Reimann Institut für Informatik, Universität Heidelberg Hausdorff Dimension, Zufälligkeit und Berechenbarkeit p.1/34 Hausdorff-Maße Caratheodory-Hausdorff
MehrDie 27 Geraden einer nichtsingulären kubischen Fläche
Die 27 Geraden einer nichtsingulären kubischen Fläche Tobias Peter Semesterarbeit in Mathematik ETH Zürich, 2005 Betreuer: Prof. Dr. Richard Pink Inhaltsverzeichnis 1 Einleitung 1 2 Grundlagen 2 2.1 Grassmannsche
Mehr3 Grenzwert und Stetigkeit 1
3 Grenzwert und Stetigkeit 3. Grenzwerte bei Funktionen In diesem Abschnitt gilt: I ist immer ein beliebiges Intervall, 0 I oder einer der Endpunkte. 3.. Definition Sei I Intervall, 0 IR und 0 I oder Endpunkt
MehrStep-Down Prozeduren
Step-Down Prozeduren zur Kontrolle der Family-Wise Error Rate WS 2010/2011 Jakob Gierl HU Berlin 07.02.2011 1 / 19 Modell Schrittweise Step-Down Modell mathematische Stichprobe X 1,..., X n iid im R J
MehrKapitel 5. Schwache Lösungen und Regularität. 5.1 Operatoren in Divergenzform. Inhaltsangabe
Kapitel 5 Schwache Lösungen und Regularität Inhaltsangabe 5.1 Operatoren in Divergenzform........... 91 5.2 Schwache Lösbarkeit................. 92 5.3 Schwaches Maximumprinzip............ 106 5.4 Differenzenquotienten................
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
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.
MehrMeßbare 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
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
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
MehrSei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es
Satz von Darboux Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es Koordinaten (x 1,..., x n, p 1,..., p n ), sodass ω = n i=1 dp i dx i. Ferner
MehrEffiziente Algorithmen Lineares Programmieren 216. Schwache Dualität
Effiziente Algorithmen Lineares Programmieren 216 Schwache Dualität Sei wieder z = max{ c T x Ax b, x 0 } (P ) und w = min{ b T u A T u c, u 0 }. (D) x ist primal zulässig, wenn x { x Ax b, x 0 }. u ist
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
MehrProbeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen
MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass
Mehr10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
MehrFinite Elemente. bzw. F + E K = 1. (1)
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 25 Finite Elemente Übung 2 Aufgabe 6 (Eulerscher Polyedersatz für Triangulierung)
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
MehrExamenskurs Analysis Probeklausur I
Georg Tamme Sommersemester 14 Examenskurs Analysis Probeklausur I 5.6.14 F1II1. Sei f : C C eine ganze Funktion. Entscheiden Sie, ob die folgenden Behauptungen wahr sind. Begründen Sie Ihre Antwort jeweils
MehrDifferentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.
Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.
MehrOrthogonalreihendarstellung eines zentrierten Gauß-Prozesses
Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges
MehrAlgebra. Aufgabe 7 Es sei R ein Ring. Zeige, daß das Zentrum Z(R) ein Unterring von R ist. Ist das Zentrum ein Ideal in R?
Fachbereich Mathematik Prof. Dr. Nils Scheithauer Walter Reußwig TECHNISCHE UNIVERSITÄT DARMSTADT WS 08/09 21. Oktober 2008 Algebra 2. Übung mit Lösungshinweisen Aufgabe 7 Es sei R ein Ring. Zeige, daß
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrAxiomatik der reellen Zahlen
Kapitel 13 Axiomatik der reellen Zahlen 13.1 Motivation Analysis beschäftigt sich mit Grenzwerten, Differentiation und Integration. Viele Phänomene in den Natur- und Ingenieurswissenschaften lassen sich
MehrStatistik - Fehlerrechnung - Auswertung von Messungen
Statistik - Fehlerrechnung - Auswertung von Messungen TEIL II Vorbereitungskurs F-Praktikum B (Physik), RWTH Aachen Thomas Hebbeker Eindimensionaler Fall: Parameterbestimmung - Beispiele [Übung] Mehrdimensionaler
Mehr10. Elliptische Regularitätstheorie.
10. Elliptisce Regularitätsteorie. Wir disutieren zunäcst die Fragestellung, um die es in diesem Paragrapen get. Sei u 0 scwace Lsg. des elliptiscen RWPs { Lu = f in, u = 0 auf, 10.1) d.., es sei u 0 H
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
MehrEntwicklung einer hp-fast-multipole-
Entwicklung einer hp-fast-multipole- Boundary-Elemente-Methode Übersicht: 1. Motivation 2. Theoretische Grundlagen a) Boundary-Elemente-Methode b) Fast-Multipole-Methode 3. Erweiterungen a) Elementordnung
MehrExtrapolation und Interpolation von räumlichen Mustern
Extrapolation und Interpolation von räumlichen Mustern 01. Juli 2008 Inhaltsverzeichnis 1 Interpolation Extrapolation Beispiel: Mammutbaumsetzlinge 2 Grundlagen Keim-Korn- Clusterprozesse Cox-Clusterprozess
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,
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
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 + )
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr=!'04 #>4 )-:!- / )) $!# & $ % # %)6 ) + # 6 0 %% )90 % 1% $ 9116 69)" %" :"6. 1-0 &6 -% ' 0' )%1 0(,"'% #6 0 )90 1-11 ) 9 #,0. 1 #% 0 9 & %) ) '' #' ) 0 # %6 ;+'' 0 6%((&0 6?9 ;+'' 0 9)&6? #' 1 0 +& $
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
Mehr8 Konvergenzkriterien und Häufungswerte von Folgen in R
8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrEine Eigenwertabschätzung und Ihre Anwendungen
Eine Eigenwertabschätzung und Ihre Anwendungen Marcel Hansmann, TU Chemnitz Hagen, den 09.02.2011 M. Hansmann (TU Chemnitz) Hagen, den 09.02.2011 1 / 32 Inhalt 1 Einleitung 2 Die Eigenwertabschätzung 3
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
MehrDie Determinante. Lineare Algebra I. Kapitel Mai 2013
Die Determinante Lineare Algebra I Kapitel 7 21. Mai 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrDie Perronsche Methode
Emilia Finsterwald und Peter Schrank 21.06.2012 Gliederung 1 Oskar Perron 2 3 4 5 6 7 8 Oskar Perron (1880-1975) b7.mai 1880 in Frankenthal - d22.feb. 1975 in München Lösung eines speziellen s Im Fall
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
MehrMATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung
Verfahren zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zu aktuellen Themen der Numerik im Wintersemester 2010/2011 1
Mehr9 Metrische und normierte Räume
9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrA. 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
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
Mehr13 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
MehrKlassische Differentialgeometrie
Klassische Differentialgeometrie Das Plateausche Problem Julius Lang Sommersemester 2017 Das Plateausche Problem Struktur der Vorlesung 1. Die Problemstellung 2. Mathematische Setting und ein Ansatz 3.
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
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.
MehrOptimaler Transport. Marzena Franek. Skiseminar Februar Institut für Numerische und Angewandte Mathematik
Institut für Numerische und Angewandte Mathematik Skiseminar Februar 2009 1 Das Problem von Monge 1 Das Problem von Monge 2 1 Das Problem von Monge 2 3 1 Das Problem von Monge 2 3 4 1 Das Problem von Monge
Mehr