TECHNISCHE UNIVERSITÄT MÜNCHEN
|
|
- Norbert Schuler
- vor 6 Jahren
- Abrufe
Transkript
1 Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) W/ Wintersemester 2010/11 Lösungsblatt 7 ( ) Sei (Ω, A, µ) ein Maßraum, d.h. A P(Ω) ist eine σ-algebra und µ ist ein Maß auf A. Sei X A, A X := {A A : A X} und µ X := µ AX. Man zeige: (a) A X = {A X : A A} ist σ-algebra von X. (b) (X, A X, µ X ) ist wieder ein Maßraum. (a) Zunächst: {A A : A X} = {A X : A A}. : Sei A A mit A X. Dann ist A X = A. : Sei B A. Dann ist auch B X A und B X X. A X, mit A A ist X \ A A und X \ A X, also auch X \ A A. Sei nun (A n ) eine paarweise disjunkte Folge von Mengen aus A X. Dann ist A n A und A n X. A X ist also eine σ-algebra. (b) µ( ) = 0 und µ bleibt auch auf A σ-additiv.
2 39. Das Zählmaß Sei Ω eine beliebige Menge. A Ω heißt ko-endlich (ko-abzählbar), wenn Ω \ A endlich (abzählbar) ist. Sei E := {{a} : a Ω}. Man zeige: (a) ρ(e) = Endl(Ω) := {A Ω : A < }. Wann ist ρ(e) = P(Ω)? (b) σ(e) = Zähl(Ω) := {A Ω : A oder Ω \ A ist abzählbar}. Wann ist σ(e) = P(Ω)? (c) µ(a) := A N 0 { } für A Ω ist ein Maß auf ρ(e), σ(e) und P(Ω). µ : P(Ω) [0, ] heißt Zählmaß auf Ω. (a) : Endl(Ω) ist ein Ring (enthält und mit A und B auch A B und A \ B). Da offenbar auch E Endl(Ω) folgt ρ(e) Fin(Ω), da ρ(e) der kleinste Ring mit dieser Eigenschaft ist. : Für a Ω ist {a} ρ(e), somit ist auch jede endliche Teilmenge A = {a 1,, a n } = {a 1 } {a n } Ω in ρ(e). D.h. ρ(e) Fin(Ω). Offenbar gilt ρ(e) = P(Ω) genau dann, wenn Ω eine endliche Menge ist. (b) : Zähl(Ω) ist eine σ-algebra (enthält und mit A auch Ω \ A. Sei nun (A n ) eine Folge in Zähl(Ω). Ist eines der A n ko-abzählbar, so ist auch A n koabzählbar. Sind alle A n abzählbar, so auch ihre Vereinigung, da die abzählbare Vereinigung abzählbarer Mengen wieder abzählbar ist. Da offenbar auch E Zähl(Ω) folgt σ(e) Zähl(Ω), da σ(e) die kleinste σ-algebra mit dieser Eigenschaft ist. : Für a Ω ist {a} σ(e), somit ist auch jede abzählbare Teilmenge von Ω in σ(e). Das Komplement einer ko-abzählbaren Teilmenge ist abzählbar, also sind auch die ko-abzählbaren Mengen in σ(e). Insgesamt σ(e) Fin(Ω). Offenbar gilt σ(e) = P(Ω) genau dann, wenn Ω eine abzählbare Menge ist. (c) µ( ) = 0. Sind A n ρ(e), n N paarweise disjunkt, so ist A n nur dann in ρ(e), wenn ( alle bis ) auf endlich viele A n gleich der leeren Menge sind. Dann ist aber offenbar µ A n = µ(a n ), da die Summe in Wahrheit endlich ist. Somit ist µ ρ(e) ein Maß auf ρ(e). ( ) Seien nun A n beliebige, paarweise disjunkte Teilmengen von N. Ist µ A n < ( ) so ist nichts mehr zu zeigen, siehe oben. Ist µ A n =, so führt die Annahme µ(a n ) < sofort auf einen Widerspruch. Somit ist µ auf P(Ω) und damit auch auf σ(e) σ-additiv, also ein Maß.
3 40. Nullmengen I (a) Ist B B d beschränkt, so gilt λ d (B) <. (b) Für α R, i 0 {1,..., d} ist H := {x R d : x i0 = α} eine λ d -Nullmenge. (a) Ist B B d beschränkt, so gibt es ein R > 0 mit B [ R, R[ d. Somit ist λ d (B) λ d ([ R, R[ d ) = (2R) d <. (b) H ist abgeschlossen, also in B d. Mit H n := H [ n, n[ d ist H n = H. Wegen der σ-subadditivität ist λ d (H) λ d (H n ) = 0, wenn noch λ d (H n ) = 0 gezeigt wird. Dazu sei n fest. Setze H nk := {x R d : α x i0 < α + 1 k }. Dies ist ein Quader mit H nk H n (d.h. H nk H n(k+1) und H n = H nk ). k N Also ist λ d (H n ) λ d (H nk ) = (2n) d 1 1 k 0 für k, d.h. λd (H n ) = 0
4 41. Maße auf abzählbaren Mengen (a) Die von den einelementigen Teilmengen von N erzeugte σ-algebra ist P(N). (b) Zu jeder Folge (p i ) i N, p i [0, ], gibt es genau ein Maß µ auf P(N) mit µ({i}) = p i. (c) Es gibt kein Lebesgue -Maß auf Q. (a) Zu zeigen ist nur σ({{1}, {2}, }) P(N). Dies ist aber offensichtlich, da für jedes M N gilt: M = {n}. n M (b) Sei µ ein Maß auf P(N) mit µ({i}) = p i. Dann ist wegen der σ-additivität für M N ( ) µ(m) = µ {n} = µ({i}) = p i. n M i M i M (c) Ein Lebesgue -Maß auf Q sollte mindestens die Länge von Intervallen [a, b[ Q, a, b R, messen können. Mit [q, q + 1 n [ muss also auch der abzählbare Schnitt für n N, also {q}, q Q messbar sein. Für ein translationsinvariantes Maß muss also λ({q}) = λ({0}) = p [0, ] gelten. Da jedes Intervall [a, b[ mit a < b unendlich viele rationale Zahlen enthält, gilt also λ([a, b[) = 0 und damit λ = 0, wenn p = 0, oder λ([a, b[) =, wenn p > 0. Dann ist λ = pµ mit dem Zählmaß µ auf Q.
5 42. ( ) Es gibt Mengen, die nicht Borel-messbar sind Sei Ṽ := {x + Q : x R}. Jedes X Ṽ ist also eine verschobene Kopie von Q, es gilt X [0, 1]. Unter Benutzung des Auswahlaxioms wählt man zu jedem X Ṽ genau ein x X X [0, 1]. Die Vitali-Menge ist V := {x X : X Ṽ }. Man zeige: V ist nicht Borel-messbar. Hinweis: Wikipedia, Satz von Vitali. Annahme: V ist Borel-messbar. Dann ist λ(v ) [0, 1]. Sei nun (q k ) eine bijektive Aufzählung von Q [ 1, 1], V k := V + q k. Die V k sind disjunkt, denn aus x V k und x V l folgt x q k V und x q l V. Es gibt also X, Y Ṽ mit x q k X und x q l Y. Wegen (x q k ) (x q l ) = q l q k Q folgt X = Y uns somit x q k = x q l, da V nur ein Element von X enthält. Es ist also q k = q l und damit k = l. Offensichtlich ist V k [ 1, 2]. k N Es gilt auch [0, 1] k N V k, denn sei x [0, 1]. Dann ist X := x + Q Ṽ und x X V. Es ist also x x X Q [ 1, 1], d.h. es gibt ein k N mit q k = x x X, bzw. x V k. Insgesamt also ( ) 1 λ V k = λ(v k ) = λ(v ) = 3 k N k N k N im Widerspruch zu 0 λ(v ) 1.
6 Hausaufgaben 43. (Bonus) -Stetigkeit Sei λ ein Inhalt auf einem Ring R P(Ω). In der Vorlesung wurde gezeigt, dass ein -stetiger Inhalt λ auf einem Ring R schon ein Maß ist. Man zeige: (a) Ist λ ein endliches Maß ( A R : λ(a) < ), dann ist λ -stetig (b) Es gibt ein nicht-endliches Maß, das nicht -stetig ist. Hinweis: Zählmaß. (a) Sei (B n ) R eine absteigende Folge von Mengen mit lim B n =. Dann ist λ(b n ) eine monoton fallende Folge. Es existiert also lim λ(b n) =: α 0. Wir setzen A n := B n \ B n+1. Die A n sind paarweise disjunkt und es gilt n 1 A k = B 1 \ B n. Für jeden Inhalt λ gilt λ(b 1 ) = λ(b n ) + λ(b 1 \ B n ) = λ(b n ) + λ ( n 1 k=1 k=1 ) n 1 A k = λ(b n ) + k=1 λ(a k ) Wegen der σ-additivität kann man den Limies n durchführen und erhält ( ) λ(b 1 ) = lim λ(b n) + λ(a k ) = lim λ(b n) + λ A k = lim λ(b n) + λ(b 1 ). k=1 Da λ(b 1 ) < folgt lim λ(b n ) = 0. (b) Obiger Beweis funktioniert also nicht, wenn es eine absteigende Folge (B n ) gibt mit B n =, für die λ(b n ) =. Ein Gegenbeispiel dafür ist der Ring P(N) mit dem Zählmaß µ und den Mengen B n = n + N 0. Ein anderes Gegenbeispiel ist der Ring der Borelmengen von R mit dem Lebesgue- Borel-Maß λ und den Mengen B n = [n, [.
7 44. Beispiele für σ-algebren und Maße Sei Ω eine beliebige Menge. (a) A = {, Ω} ist eine σ-algebra auf Ω. Geben Sie alle Maße auf A an. (b) Sei X Ω, A = σ({x}). Geben Sie alle normierten Maße auf A an (µ ist normiert, wenn µ(ω) = 1). (c) Geben Sie alle normierten Maße auf P n = P({1,..., n}), n N an. (d) Sei (A i ) i N eine Zerlegung von Ω, d.h., die A i sind paarweise disjunkt und Geben Sie alle normierten Maße auf σ({a i : i N}) an. i N A i = Ω. (a) A ist σ-algebra, da abgeschlossen bezüglich Komplementbildung und beliebiger Vereinigungen und ist enthalten. Für jedes Maß µ gilt: µ( ) = 0 und µ(ω) = M [0, ]. Dies ist auch schon ein Maß, da jede paarweise disjunkte Folge in A höchstens einmal ω enthalten kann. (b) A = {, X, Ω \ X, Ω}. µ( ) = 0 und µ(ω) = 1 ist festgelegt. Ist µ(x) = x [0, 1], so muss µ(ω \ X) = 1 x sein. (c) Zu jedem p [0, 1] n mit p 1 = n p i = 1 gibt es genau ein Maß µ mit µ({i}) = p i. Für J {1,..., n} ist dann µ(j) = i J p i. (d) Zu jedem p [0, 1] N mit p 1 = p i = 1 gibt es genau ein Maß µ mit µ({a i }) = p i. Für J N ist dann µ ( i J A ) i = p i. i J Ergänzung: Ausführlicher: Zunächst überzeugt man sich davon, dass mit A := { i J A i : J N } gilt: σ({a i : i N}) = A ( ist klar, gilt, da A eine σ-algebra ist, die die A i enthält). Sei nun µ ein beliebiges Maß auf A und p i := µ(a i ) [0, 1]. Dann gibt es zu jedem A A ein J N mit A = i J A i. Wegen der σ-additivität von µ ist also µ(a) = i J µ(a i ). Wegen der Normiertheit des Maßes ist 1 = µ(ω) = i N = p i. Umgekehrt definiert jedes p [0, 1] N mit p 1 = p i = 1 ein entsprechendes Maß µ auf A mittels µ(a) := µ(a i ) mit J N, so dass A = A i. i J i J
8 45. (Bonus) Monotone Konvergenz bei Mengen Sei A P(Ω) eine σ-algebra, µ ein Maß auf A und (A n ) A. Ist (A n ) aufsteigend, A n A n+1 für n N, und A = A n, so schreibt man A n A. Ist (A n ) absteigend, A n A n+1 für n N, und A = A n, so schreibt man A n A. Zeigen Sie A n A = µ(a n ) µ(a), A n A und µ(a 1 ) < = µ(a n ) µ(a). Ist (A n ) aufsteigend, so setzt man D 0 = A 1 und D n := A n+1 \ A n für n N. Die D n sind dann paarweise disjunkt und es gilt A n A := A n = D n für die Mengen und 0 0 µ(a n+1 ) = µ(a n ) + µ(d n ) für die Maße. Wegen der σ-additivität also µ(a) = µ = µ(d n ) = lim µ(a n). 0 0 D n Für (A n ) absteigend benutzen wir die -Stetigkeit auf der Einschränkung µ A1. A := A n ist als abzählbarer Schnitt wieder in A. Somit gilt für A n = A n \ A, dass lim A n =. Daher lim µ(a n) = lim µ(a n A) = lim µ(a n) + µ(a) = µ(a).
9 46. Nullmengen II (a) Für a R d ist λ d ({a}) = 0. (b) Ist A R d abzählbar, so ist λ d (A) = 0. (c) Sind a, b R d mit a b, so ist λ d (]a, b[) = λ d (]a, b]) = λ d ([a, b]) = d (b i a i ). (a) {a} B d, da abgeschlossen. Für A k := [(a 1,..., a d ), (a k,..., a d+ 1 k )[ gilt A k {a} und damit λ d 1 ({a}) = lim k λd (A k ) = lim k k d = 0 (b) A = {a} ist als abzählbare Vereinigung von Nullmengen wieder eine Nullmenge. a A (c) Wir wissen bis jetzt nur, dass λ d ([a, b[ = d (b i a i ). Sei a + 1 k := (a k,..., a n + 1 k ), k R \ {0}. Dann gilt [a + 1 k, b[ ]a, b[, also auch d λ d (]a, b[) = lim k λd ([a + 1 k, b[) = (b i a i ). Außerdem gilt [a, b + 1 k [ [a, b], also auch λd ([a, b]) = λ d ([a, b[). Wegen λ d (]a, b[) λ d (]a, b]) λ d ([a, b]) folgt die Behauptung.
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
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
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
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrGNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor
GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrDas Deckungskapital von Lebensversicherungen bei unscharf gegebener Lebensdauerverteilung
Universität Leipzig Fakultät für Mathematik und Informatik Mathematisches Institut Das Deckungskapital von Lebensversicherungen bei unscharf gegebener Lebensdauerverteilung Diplomarbeit vorgelegt von Dennis
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrAnalysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum
Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrEinführung in die Stochastik
Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse
MehrEinführung in die. Wahrscheinlichkeitstheorie und Statistik
Institut für Mathematische Stochastik Einführung in die Wahrscheinlichkeitstheorie und Statistik (Kurzskript zur Vorlesung Wintersemester 2014/15 von Prof. Dr. Norbert Gaffke Inhaltsverzeichnis 1 Wahrscheinlichkeitsräume
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrDie Cantor-Funktion. Stephan Welz
Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrMathematische Ökologie
Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrLehrstuhl IV Stochastik & Analysis. Stochastik I. Wahrscheinlichkeitsrechnung. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik I Wahrscheinlichkeitsrechnung Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 8. November 00 Gesetzt
MehrFormale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler
Formale Sprachen Der Unterschied zwischen Grammatiken und Sprachen Rudolf Freund, Marian Kogler Es gibt reguläre Sprachen, die nicht von einer nichtregulären kontextfreien Grammatik erzeugt werden können.
MehrGibt es verschiedene Arten unendlich? Dieter Wolke
Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrStochastische Prozesse Gliederung zur Vorlesung im Sommersemester 2006
Stochastische Prozesse Gliederung zur Vorlesung im Sommersemester 26 Markus Reiß Universität Heidelberg reiss@statlab.uni-heidelberg.de VORLÄUFIGE FASSUNG: 28. Juli 26 Inhaltsverzeichnis 1 Der Poissonprozess
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrNoethersche und artinsche Ringe
Noethersche und artinsche Ringe Seminar Kommutative Algebra und Varietäten Prof. Dr. K. Wingberg, Dr. J. Gärtner Vortrag 6 Yassin Mousa 05.06.2014 Im Folgenden bezeichne R immer einen kommutativen Ring
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrEinführung in die Funktionalanalysis
Einführung in die Funktionalanalysis Bernhard Gsell Skriptum zur Vorlesung gelesen von Prof. Wolfgang Woess 21. August 2014 Dies ist die Umsetzung meiner Vorlesungsmitschrift zu Einführung in die Funktionalanalysis,
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
Mehr1 Zahlen. 1.1 Die reellen Zahlen
Zahlen Die aus dem Alltagsleben bekannten rationalen Zahlen (Bruchzahlen) reichen nicht aus, um Analysis rigoros betreiben zu können. Die historische Entwicklung zeigt vielmehr, dass für die Belange der
Mehr9. Anwendungen der Fundamentalgruppe
76 Andreas Gathmann 9. Anwendungen der Fundamentalgruppe Nachdem wir mit Hilfe von Überlagerungen nun in der Lage sind, Fundamentalgruppen zu berechnen, wollen wir in diesem abschließenden Kapitel noch
MehrTheoretische Informatik
Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis
MehrSprechen wir über Zahlen (Karl-Heinz Wolff)
Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrLösungen zur Vorrundenprüfung 2006
Lösungen zur Vorrundenprüfung 2006 Zuerst einige Bemerkungen zum Punkteschema. Eine vollständige und korrekte Lösung einer Aufgabe ist jeweils 7 Punkte wert. Für komplette Lösungen mit kleineren Fehlern
MehrFraktale Geometrie: Julia Mengen
Fraktale Geometrie: Julia Mengen Gunnar Völkel 1. Februar 007 Zusammenfassung Diese Ausarbeitung ist als Stoffsammlung für das Seminar Fraktale Geometrie im Wintersemester 006/007 an der Universität Ulm
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrVorlesung Analysis I / Lehramt
Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch
MehrAlgebra. Patrik Hubschmid. 8. Oktober 2013
Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester
MehrWahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
MehrDiskrete Mathematik für Informatiker
Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung
MehrZusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur
MehrHandreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler)
1 Handreichung zur Mathematikvorlesung für Wirtschaftswissenschaftler) Dr.Dr. Christina Schneider 2 Hinweis Das vorliegende Manuskript versteht sich als kurze und kompakte Handreichung zu meiner Vorlesung
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
MehrGaußsche Prozesse - ein funktionalanalytischer Zugang
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Gaußsche Prozesse - ein funktionalanalytischer Zugang Bachelorarbeit in Wirtschaftsmathematik vorgelegt von Clemens Kraus am 31. Mai
MehrStatistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund
Statistik II - Elementare Wahrscheinlichkeitsrechnung Prof Dr Christine Müller Technische Universität Dortmund Sommersemester 2014 1 Literatur Henze, N (1997 Stochastik für Einsteiger Vieweg, Braunschweig
MehrZahlentheorie. Daniel Scholz im Winter 2006 / 2007. Überarbeitete Version vom 7. September 2007.
Zahlentheorie Daniel Scholz im Winter 2006 / 2007 Überarbeitete Version vom 7. September 2007. Inhaltsverzeichnis 1 Einleitung und Grundlagen 4 1.1 Einleitung............................. 4 1.2 Zahlensysteme..........................
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrLösungen und Lösungshinweise zum Grundkurs Analysis 2
Lösungen und Lösungshinweise zum Grundkurs Analysis 2 Vorbemerkung: Bei einem Buchprojekt dauert meist alles etwas länger als geplant. So ging es mir mit dem Erscheinungdatum des zweiten Bandes, der sich
MehrZ = 60! 29!31! 1,1 1017.
Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrJan Kallsen. Mathematical Finance Eine Einführung in die zeitdiskrete Finanzmathematik
Jan Kallsen Mathematical Finance Eine Einführung in die zeitdiskrete Finanzmathematik AU zu Kiel, WS 13/14, Stand 10. Februar 2014 Inhaltsverzeichnis 1 Mathematische Hilfsmittel 4 1.1 Absolutstetigkeit
MehrWintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung
Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik
Einführung in die Wahrscheinlichkeitsrechnung und Statistik Gunther H. Peichl Skriptum zur Vorlesung im SS 1999 Institut für Mathematik Karl Franzens Universität Graz ii Vorwort Im Alltag begegnen wir
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrVorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)
Algebra und Zahlentheorie Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrEuklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz
Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
Mehr1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,
1 Die reellen Zahlen 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, präzise und logisch zu denken, komplexe Strukturen schnell und gründlich zu erfassen, Dinge kritisch zu hinterfragen
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in
MehrFinanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Finanzmathematik Literatur Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band 1, 17. Auflage,
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrFolgen. Kapitel 3. 3.1 Zinsrechnung
Kapitel 3 Folgen Eine Folge reeller Zahlen ordnet natürlichen Zahlen jeweils eine reelle Zahl zu. Liegen beispielsweise volkswirtschaftliche Daten quartalsweise vor, so kann man diese als Folge interpretieren.
MehrEinführung in die Computerlinguistik Statistische Grundlagen
Statistik 1 Sommer 2015 Einführung in die Computerlinguistik Statistische Grundlagen Laura Heinrich-Heine-Universität Düsseldorf Sommersemester 2015 Statistik 2 Sommer 2015 Überblick 1. Diskrete Wahrscheinlichkeitsräume
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrDie Weierstraßsche Funktion
Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede
Mehr12. Vorlesung Spieltheorie in der Nachrichtentechnik
12. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Evolutionäre Spieltheorie Hines (1987): Game theory s greatest success to date
MehrSchwach ergodische Prozesse
Schwach ergodische Prozesse Von der Fakultät für Naturwissenschaften der Universität Duisburg-Essen (Standort Duisburg) zur Erlangung des akademischen Grades eines Doktors der Naturwissenschaften genehmigte
MehrReelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010
Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Grundlagentest Ungleichungen! Testfrage: Ungleichungen 1 Die Lösungsmenge
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrWAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript
WAHRSCHEINLICHKEITSTHEORIE I und II Wolfgang König TU Berlin und WIAS Berlin Vorlesungsskript SS 2005 und WS 2005/06 überarbeitet im WS 2008/09 kleine Korrekturen im März und Juli 2012 und im März 2013
MehrWas bisher geschah: Formale Sprachen
Was isher geschah: Formale Sprachen Alphaet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen reguläre Ausdrücke: Syntax, Semantik, Äquivalenz Wortersetzungssysteme Wortersetzungsregeln
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
Mehr