30 Die Gammafunktion und die Stirlingsche Formel

Größe: px
Ab Seite anzeigen:

Download "30 Die Gammafunktion und die Stirlingsche Formel"

Transkript

1 3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel 3 Konvergenz der Binomialreihe in den Randpunkten Die Gammafunktion Γ ist eine der wichtigsten nicht elementaren Funktionen der Analysis Sie interpoliert stetig die Fakultäten t t! unter Beibehaltung der Funktionalgleichung t! t(t )! Man bezeichnet allerdings nicht t!, sondern (t )! mit Γ(t) für t N Daher lautet die Funktionalgleichung der gesuchten Funktion Γ : R + R + Γ(t + ) t Γ(t) Wegen des Zusammenhangs mit den Fakultäten spielt die Gammafunktion auch eine Rolle in der Kombinatorik und Wahrscheinlichkeitstheorie Sie wird ferner benutzt zur Berechnung von Integralen (37(ii) ist ein Beispiel dafür), und dient in diesem Paragraphen auch zur asymptotischen Berechnung der Binomialkoeffizienten (siehe 3) Die Kenntnis des asymptotischen Verhaltens der Binomialkoeffizienten ermöglicht auch eine Untersuchung der Binomialreihe in den Randpunkten und (siehe 3) Ein Zusammenhang von Gammafunktion und Zetafunktion wird schließlich in 38 dargestellt Die folgende Definition der Gammafunktion geht auf Euler aus dem Jahre 79 zurück Die in 36 gegebene Darstellung der Gammafunktion stammt von Gauß aus dem Jahre 8 3 Die Gammafunktion Für t R + existiert Γ(t) : x t e x dx + Γ(t) heißt Gammafunktion (an der Stelle t) C [3]

2 Kapitel VI Riemann-integrierbare Funktionen Beweis Sei t R + fest Dann ist f : x t e x auf ], [ stetig Zum Nachweis der Konvergenz des angegebenen Integrals soll 95 angewandt werden mit g : x t ], ] und g (x) : c [, [ mit einem noch zu wählendem x c R + Es sind g dx und g dx konvergent (siehe 94(i) und 9(ii)) Somit ist die Bedingung (I) von 95 erfüllt Es ist f g auf ], ] Da lim u u t+ e u ist (siehe 98(iii)), folgt u t+ e u für genügend große u Somit erhalten wir wegen der Stetigkeit von x t+ e x die Existenz eines c R + mit x t+ e x c auf [, [ Also ist f c g x auf [, [ Daher ist auch Bedingung (II) von 95 erfüllt, und wir erhalten die Konvergenz des Integrals nach 95 Die folgende Überlegung zeigt, daß die Jensensche Ungleichung nicht nur aus der Konvexität der Funktion folgt, sondern sogar äquivalent zur Konvexität ist 3 Äquivalente Bedingung zur Konvexität Sei I ein Intervall und f : I R Dann ist f genau dann konvex, wenn für beliebige t, t I und beliebiges < λ < gilt: f(λt + ( λ)t ) λf(t ) + ( λ)f(t ) Beweis Die angegebene Bedingung folgt aus der Jensenschen Ungleichung für n, wenn man λ : λ setzt und somit λ λ λ (siehe 37) Seien zur Rückrichtung t, t I und t < t < t gegeben Es ist zu zeigen (siehe Definition 3): () f(t) f(t ) + f(t ) f(t ) t t (t t ) Wegen t < t < t gibt es ein λ ], [ mit t λt + ( λ)t (siehe 5) Also ist () f(t) λf(t ) + ( λ)f(t ) f(t ) + ( λ)(f(t ) f(t )) nach Voraussetzung Aus () folgt nun aber () wegen λ t t t t Die Gammafunktion Γ ist nicht nur selbst konvex, sondern es ist sogar ln Γ konvex Man spricht in einem solchen Fall von logarithmischer Konvexität 33 Logarithmische Konvexität Sei I ein Intervall und F : I R + Dann heißt F logarithmisch konvex, wenn eine der beiden äquivalenten Bedingungen gilt: (i) (ii) ln F ist konvex Für beliebige t, t I und beliebiges < λ < gilt: F (λt + ( λ)t ) (F (t )) λ (F (t )) λ [3] C

3 Die Gammafunktion und die Stirlingsche Formel Beweis (i) (ii) Nach Voraussetzung gilt für t, t I und < λ < (siehe 3): ln(f (λt + ( λ)t ) λln(f (t )) + ( λ)ln(f (t )) ln[(f (t )) λ (F (t )) λ ] Anwendung der monoton wachsenden Exponentialfunktion auf diese Ungleichung liefert (ii) (ii) (i) Seien t, t und < λ < gegeben Es ist zu zeigen (vgl 3) () ln(f (λt + ( λ)t )) λln(f (t )) + ( λ)ln(f (t )) Wendet man die monoton wachsende Logarithmusfunktion auf die nach Voraussetzung gültige Ungleichung in (ii) an, so erhält man ln(f (λt +( λ)t )) ln[((f (t )) λ (F (t )) λ ] λln(f (t ))+( λ)ln(f (t )), also die zu beweisende Beziehung in () 34 Eigenschaften der Gammafunktion Es ist Γ eine Funktion von R + in R + mit (i) Γ() ; (ii) Γ(t + ) tγ(t) für alle t R + ; (iii) Γ ist logarithmisch konvex; (iv) Γ( (n )! für n N Beweis Wegen Γ(t) xt e x dx > ist Γ(t) R + 86 (ii) Seien a < b aus R + Dann folgt mit partieller Integration (siehe 76) a xt e x dx x t e x b a + t a xt e x dx Mit a folgt (benutze 75(iv) für lim a a t ) xt e x dx b t e b + t + xt e x dx Somit liefert b (siehe die Definition der Gammafunktion in 3 und berücksichtige hierzu 99(iii), benutze ferner 98(iii) für lim b b t e b ) Wegen Γ(t + ) + xt e x dx 9(i) x t e x dx tγ(t) x t e x dx folgt die Behauptung (i) Γ() + e x dx lim b (lim a a e x dx) lim b ( e b ) (iv) Der Beweis erfolgt durch Induktion nach n N: (A) ist nach (i) erfüllt (S) Γ(n + ) nγ( n(n )! n! (ii) (IV) (iii) Seien t, t R + und < λ < Setze p : /λ und q : /( λ) Dann gilt: () p + q C [3] 3

4 Kapitel VI Riemann-integrierbare Funktionen Zur Anwendung der Hölderschen Ungleichung (siehe 85(iv)) setze () f(x) : x t p e x p, g(x) : x t q e x q Dann folgt für < a < b (3) a f g dx Wegen () und () gilt: 85(iv) a f p dx /p a gq dx /q (4) f(x)g(x) x t p + t q e x, (5) f p (x) x t e x, g q (x) x t e x Aus (3) (5) erhält man (6) a x t p + t q e x dx [ a xt e x dx] /p [ a xt e x dx] /q Läßt man zunächst a und dann b streben, so folgt also Γ( t p + t q ) (Γ(t )) /p (Γ(t )) /q, Γ(λt + ( λ)t ) (Γ(t )) λ (Γ(t )) λ Somit ist Γ logarithmisch konvex (siehe 33) Die Gammafunktion Γ ist nicht die einzige Funktion von R + in R + mit Γ() und Γ(t + ) tγ(t) für t R + Ist nämlich f : R + R + eine Funktion mit f() und der Periode, dh mit f(t + ) f(t) für t R +, so ist f Γ ebenfalls eine Funktion von R + in R + mit (f Γ)() und (f Γ)(t + ) t(f Γ)(t); ein Beispiel für eine solche beliebig oft differenzierbare Funktion ist etwa f cos(πx) Um so bemerkenswerter ist, daß mit der zusätzlichen Forderung der logarithmischen Konvexität die Gammafunktion eindeutig festgelegt ist 35 Charakterisierung der Gammafunktion (Satz von Bohr-Mollerup 9) Die Gammafunktion ist die einzige Funktion F : R + R + (i) F () ; (ii) F (t + ) tf (t) für alle t R + ; (iii) F ist logarithmisch konvex mit Beweis Nach 34 ist die Gammafunktion Γ eine Abbildung von R + in R +, die (i) (iii) erfüllt Es genügt daher zu zeigen, daß eine Funktion F : R + R + durch die drei Bedingungen (i) (iii) eindeutig bestimmt ist: Zunächst folgt aus der Funktionalgleichung (ii) induktiv: () F (t + (t + n ) (t + ) t F (t) für t R +, n N und somit insbesondere wegen F () : () F ( (n )! für n N [3] 4 C

5 Die Gammafunktion und die Stirlingsche Formel Wegen () und F () genügt es zu zeigen, daß F (t) für t ], [ durch die angegebenen Bedingungen eindeutig bestimmt ist Wir zeigen hierzu, daß aus (i) (iii) folgt: (3) F (t) lim n (n )!n t t(t+)(t+n ) für t ], [ Wir benutzen die logarithmische Konvexität von F Sei hierzu t ], [ fest Dann gilt für n N n + t t(n + ) + ( t)n und somit folgt aus der logarithmischen Konvexität (setze in 33(ii) für λ : t, t : n + und für t : : (4) F (n + t) (F (n + )) t (F () t () (n!) t [(n )!] t (n )!n t Entsprechend folgt aus n + t(n + t) + ( t)(n + + t): (5) n! F (n + ) (F (n + t)) t (F (n + + t)) t (ii) (n + t) t F (n + t) Aus (4) und (5) ergibt sich Zusammen mit () erhalten wir daher n! (n + t) t F (n + t) (n )! n t (6) a n : n!(n+t)t t(t+)(t+n ) F (t) Also gilt an b n Daher ist auch lim n F (t) b n (n )!n t t(t+)(t+n ) : b n F (t) Somit folgt nach dem Sandwichsatz lim n b n, dh es gilt (3) b n F (t) Mit Hilfe von 35 erhalten wir auch 36 Darstellung der Gammafuntion Für jedes t R + ist n! n t Γ(t) lim n t (t + ) (t + Beweis Nach (3) in 35 gilt für t ], [ () Γ(t) lim n (n )!n t t(t+)(t+n ) n Wegen t+n für n folgt aus () die Behauptung für t ], [ Wegen Γ() gilt die Behauptung auch für t Es reicht daher zu zeigen: Gilt die Behauptung für t, so auch für t + Dies folgt aber aus Γ(t + ) tγ(t) t lim n n!n t t(t+)(t+ lim n n!n t+ (t+)(t+ n lim n n!n t+ (t+)(t+(t++ C [3] 5

6 Kapitel VI Riemann-integrierbare Funktionen Diese zwei verschiedenen Darstellungen der Gammafunktion einerseits als Integral in 3 und andererseits als Limes einer Folge in 36 können oft zur Berechnung von Integralen verwandt werden: 37 Korollar (i) Γ( ) π ; x (ii) π e dx Beweis (i) Mit der in 36 angegebenen Darstellung von Γ folgt () Γ( ) lim n oder in äquivalenter Schreibweise () Γ( ) lim n Multiplikation von () und () ergibt n! n [(+/) (+/) (n+/)], n! n [( /)( /)(3 /)(n /)](n+/) : Γ n (/) lim n ( n+/ ) (n!) lim n Also ist Γ( ) π n k k n (k /4) k (+/) ( /) (+/) ( /) (n+/)(n /) k 4k 4k π π 78 (ii) Für < a < b liefert die Substitution x ϕ(u) u mit ϕ (u) u / u / zunächst a e x dx / a / e u u / du Läßt man nun a und anschließend b streben, so erhält man () Wegen a folgt: () e x b e x dx dx + e u u / du Γ( ) (i) π π a e u du (betrachte die Substitution x ϕ(u) u) e x dx e x dx π Also folgt die Behauptung aus () und (), da nach Definition des uneigentlichen Riemann-Integrals (siehe 99) gilt: e x x dx e dx + e x dx Nicht nur die Gammafunktion, sondern auch die Riemannsche Zetafunktion läßt sich durch uneigentliche Integrale definieren Zwischen beiden Funktionen besteht die folgende Relation: [3] 6 C

7 Die Gammafunktion und die Stirlingsche Formel 38 Beziehung zwischen der Gammafunktion und der Zetafunktion Für jedes s > gilt: Γ(s) ζ(s) + e xs x dx Also ist ζ(s) + xs e x dx ( e x + xs e x dx) Beweis Sei < a < b Dann gilt für t [a, b] wegen e t e a < t s e t ts e t e t t s e t n (e t ) n n ts e nt Wegen x s e nx [a,b] b s e nx [a,b] b s (e a ) n ist die Reihe n xs e nx normal und somit gleichmäßig konvergent (siehe 8(ii)) gegen x s /(e x ) Daher erhalten wir (benutze 6(ii) und setze hierzu f n : n k xs e kx ): () a xs e x dx 6(ii) xu/n 7 n a xs e nx dx n n s nb na us e u du ζ(s)γ(s) Also existiert + xs e x dx nach 93, und es gilt daher (siehe 99(iii)): + e xs x dx ζ(s)γ(s) Es bleibt zu zeigen: () + e xs x dx ζ(s)γ(s) Nun gilt für < a < b und jedes N N (benutze die Gleichung in ()): a e xs x dx N n n nb s na us e u du Mit a erhalten wir für jedes N N + xs e x dx N n n s nb + us e u du b liefert daher für jedes N N + xs e x dx ( N n n s ) + us e u du ( N n n s )Γ(s) N liefert dann () 39 Asymptotische Äquivalenz Zwei Folgen (a n ), (b n ) mit a n, b n R\{} heißen asymptotisch äquivalent, wenn gilt: lim n a n /b n Man schreibt hierfür (a n ) (b n ) oder kürzer a n b n C [3] 7

8 Kapitel VI Riemann-integrierbare Funktionen Die Festsetzungen a n : n, b n : n + n liefern zwei asymptotisch äquivalente Folgen, für die a n b n nicht konvergent ist Umgekehrt sind a n : n und b n : zwei Folgen mit a n n b n, aber an b n n liefert eine divergente Folge, also sind (a n ) und (b n ) nicht äquivalent Eine Kenntnis des asymptotischen Verhaltens von n! liefert die Stirlingsche Formel eine Formel, die auch für die Wahrscheinlichkeitstheorie von Nutzen ist Der Beweis der Stirlingschen Formel beruht auf einer Anwendung von Sehnentrapezregel und Wallisschem Produkt 3 Stirlingsche Formel Die Folge der Fakultäten (n!) ist asymptotisch äquivalent zur Folge πn n n e n Genauer gilt für n die Fehlerabschätzung πn n n e n < n! < πn n n e n e (n ) Beweis Wendet man die Sehnentrapezregel (s 8) auf f : ln(k + x) [, ] mit k N an, so erhält man wegen f : (k+x) k+ k ln(x) dx ln(k + x) dx 7(i) () 8 (ln(k) + ln(k + )) + mit einem ξ ξk k [k, k + ] Summiert man in () von k bis n, so erhält man: n () ln(x) dx n k ln(k) ln( + Nach 77(i) gilt ferner: n (3) ln(x) dx n(ln( ) + Aus () und (3) erhält man n k ln(k) n(ln( ) + + ln( (4) n k ξ k n k ξ k (n + )ln( n + r n mit r n : n k ξk Setze c n : e rn und wende die Exponentialfunktion auf (4) an (beachte ln(n!) n k ln(k)), dann ergibt sich: (5) n! n n+ e n c n Wegen < ξk k existiert (6) r : lim n r n und somit auch (7) c : lim n c n e r k, ξk Für die Aussage über die asymptotische Äquivalenz reicht es wegen (5) und (7) zu zeigen, daß c π ist Nun gilt: [3] 8 C

9 Die Gammafunktion und die Stirlingsche Formel (8) c n c n (n!) e n ( n+ e n n n+ (! n (n!) n(!, (9) lim n c n c n (7) c c c Das Wallissche Produkt (siehe 78) liefert () π lim (k) 78 n k (k )(k+) lim Nun ist [ n k (k) (k )(k+) ]/ 4 n 3 5 (n ) n+ 4 ( n+/ 4 4 n n n ( 3) (3 5) (n )(n+) 3 (n )( n (n!) n+/ (! Also folgt aus () und der Stetigkeit der Wurzelfunktion: () π limn n (n!) n+/ (! lim n (n!) n n(! Somit erhalten wir: c limn (8),(9) n (n!) n(! () π π Zur Fehlerabschätzung beachte, daß für n gilt: < r n r kn (4),(6) ξk kn < k n dx x (n ) Also ist wegen c n e rn und c e r < c n /c e rn r < exp( (n ) ) Daher folgt aus (5) zusammen mit c π < c n < π exp( (n ) ): n n+/ e n π < n! < n n+/ e n π exp( (n ) ) (5) 3 Asymptotisches Verhalten von Sei b R \ N Dann gibt es eine Konstante c c(b) R + mit c/n +b Beweis Sei zunächst b < Setze t : b Dann ist t R +, und es gilt: ( t) n t( t )( t n+) n! t(t+)(t+ n!(t+ Also ist n +b ) n n t ( t) n t(t+)(t+ n!n t (+t/, und somit gilt nach 36 () lim n n +b ) n Γ( b) Daher gilt die Behauptung mit c Γ( b) Es verbleibt der Fall b und b N Also gibt es ein k N mit k < b < k C [3] 9

10 Kapitel VI Riemann-integrierbare Funktionen Daher folgt für b : b k aus () lim n k) n n +(b k) Γ( b+k) Also gilt lim n k) n k (n k) +(b k) Γ( b+k) und durch Multiplikation mit ( n k n )+(b k) auch () lim n k) n k n +(b k) Γ( b+k) Es ist ( (3) b b(b )(b k+) k n(n )(n k+) n k) Also gilt: lim n ) n n +b lim n nk b(b )(b k+) (3) n(n )(n k+) k) n k n +b k () b(b )(b k+) Γ( b+k) : c(b) 3 Konvergenz der Binomialreihe in den Randpunkten (i) (ii) (iii) Für b ist die Binomialreihe n x n gleichmäßig konvergent in [, ], und es gilt für alle t [, ] : ( + t) b n t n Für < b < ist die Binomialreihe für t konvergent und für t divergent Es gilt für alle t ], ] : ( + t) b n t n Für b divergiert die Binomialreihe sowohl in t als auch in t Es gilt für alle t ], [: ( + t) b n t n Beweis Die Gültigkeit der angegebenen Potenzreihenentwicklung von ( + t) b folgt für t ], [ in allen drei Fälle aus 4(i) (i) Der Fall b N ist trivial (siehe auch 4(i)) Sei also b und b N Nun ist g : [, ] R, definiert durch () g(t) : ( + t) b, t [, ], stetig (siehe 75(iv)) Setzt man dann () f(t) : n t n, so gilt nach der Vorbemerkung: (3) f(t) g(t) für t ], [ Wegen b N gibt es nach 3 eine Konstante K mit ) n K für n n +b Somit haben wir für n (4) ) n x n [,] K n +b [3] C

11 Wegen + b > ist n K n +b Die Gammafunktion und die Stirlingsche Formel konvergent, also n x n normal konvergent auf [, ] und somit gleichmäßig konvergent auf [, ] (benutze 8(ii)) Daher ist die in () definierte Funktion f stetig auf [, ] (benutze 3(i)) Hieraus und aus () und (3) folgt f(t)) g(t) für t [, ], also die Darstellung von ( +t) b durch die angegebene Binomialreihe auch noch für t und t (ii) Für < b < gilt wiederum (benutze 3) ) n K n +b Nun ist ) n ( ) n ) ( n und b ( n+) / b ) n n b n+ < Also folgt die Konvergenz von n n (benutze das Leibnizsche Kriterium 94) Also ist die Binomialreihe an der Stelle konvergent und daher auf [, ] gleichmäßig konvergent (siehe ) Daher ist die durch die Binomialreihe definierte Funktion f auch an der Stelle stetig (benutze 3(i)) Setzt man nun wieder g(t) : ( + t) b für t ], ], so gilt nach Vorbemerkung f(t) g(t) für t ], [ und, wegen der Stetigkeit von f und g in, dann auch f() g(), also die Darstellung von (+t) b durch die angegebene Binomialreihe auch noch für t Es ist (5) ) c n und es gilt n n +b divergent, und somit auch die Reihe ( ) n n, (siehe 3) Da + b < ist, ist die Reihe c n n +b n (benutze zb ) Wegen (5) ist daher die Binomialreihe an der Stelle divergent (iii) Für b konvergiert wegen 3 nicht gegen Null Also muß die Binomialreihe an den Stellen und divergent sein Das folgende Beispiel zeigt, daß eine gleichmäßig konvergente Reihe, deren Gliederfolge aus differenzierbaren Funktionen besteht, gegen eine nicht differenzierbare Grenzfunktion konvergieren kann (Zusammen mit Beispiel (ii) belegt dies die Bemerkungen vor 7) Genauer kann man sogar eine gleichmäßig konvergente Reihe finden, deren Gliederfolge aus Polynomen besteht, ohne daß die Grenzfunktion differenzierbar sein muß 33 Beispiel ( / ) x k [, ] Dann konvergiert f n gleichmäßig auf [, ] Setze f n : n k n gegen + x (siehe 3(i)) Wegen t für t [, ] konvergiert ( / n ) (x ) k gleichmäßig auf [, ] gegen + (x ) x also n k Also ist die Reihe ( / ) k k (x ) k, deren Gliederfolge aus Polynomen besteht, eine gleichmäßig auf [, ] konvergente Reihe, deren Grenzfunktion x im Nullpunkt nicht differenzierbar ist C [3]

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 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

Mehr

17 Logarithmus und allgemeine Potenz

17 Logarithmus und allgemeine Potenz 7 Logarithmus und allgemeine Potenz 7. Der natürliche Logarithmus 7.3 Die allgemeine Potenz 7.4 Die Exponentialfunktion zur Basis a 7.5 Die Potenzfunktion zum Exponenten b 7.6 Die Logarithmusfunktion zur

Mehr

10 Kriterien für absolute Konvergenz von Reihen

10 Kriterien für absolute Konvergenz von Reihen 10 Kriterien für absolute Konvergenz von Reihen 10.1 Majoranten- und Minorantenkriterium 10.3 Wurzelkriterium 10.4 Quotientenkriterium 10.9 Riemannscher Umordnungssatz 10.10 Äquivalenzen zur absoluten

Mehr

23 Konvexe Funktionen und Ungleichungen

23 Konvexe Funktionen und Ungleichungen 23 Konvexe Funktionen und Ungleichungen 231 Konvexe Funktionen 232 Kriterien für Konvexität 233 Streng konvexe Funktionen 235 Wendepunkte 237 Ungleichung von Jensen 2310 Höldersche Ungleichung 2311 Minkowskische

Mehr

18 Höhere Ableitungen und Taylorformel

18 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

Mehr

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit

Mehr

Die Fakultät. Thomas Peters Thomas Mathe-Seiten 13. September 2003

Die Fakultät. Thomas Peters Thomas Mathe-Seiten  13. September 2003 Die Fakultät Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 3. September 2003 Dieser Artikel gibt die Definition der klassischen Fakultät und führt von dort aus zunächst zu der Anwendung in Taylor-Reihen

Mehr

Rechenoperationen mit Folgen. Rekursion und Iteration.

Rechenoperationen mit Folgen. Rekursion und Iteration. Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )

Mehr

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten

Mehr

Der Satz von Taylor. Kapitel 7

Der Satz von Taylor. Kapitel 7 Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem

Mehr

8. Die Nullstellen der Zeta-Funktion

8. Die Nullstellen der Zeta-Funktion 8.. Wie vorher sei ( s ξ(s = π s/ Γ ζ(s. ξ ist meromorph in ganz C, hat Pole (erster Ordnung nur bei s = und s = und genügt der Funktionalgleichung ξ(s = ξ( s. Daraus folgt: Für Re s < hat die Zeta-Funktion

Mehr

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))

Mehr

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

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

Mehr

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

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

Mehr

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit 10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2

Mehr

Häufungspunkte und Satz von Bolzano und Weierstraß.

Häufungspunkte und Satz von Bolzano und Weierstraß. Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge

Mehr

13 Die trigonometrischen Funktionen

13 Die trigonometrischen Funktionen 13 Die trigonometrischen Funktionen Wir schreiben die Werte der komplexen Exponentialfunktion im Folgenden auch als e z = exp(z) (z C). Geometrisch definiert man üblicherweise die Werte der Winkelfunktion

Mehr

Klausur zur Analysis I WS 01/02

Klausur zur Analysis I WS 01/02 Klausur zur Analysis I WS 0/0 Prof. Dr. E. Kuwert. Februar 00 Aufgabe (4 Punkte) Berechnen Sie unter a) und b) jeweils die Ableitung von f für x (0, ): a) f(x) = e sin x b) f(x) = x α log x a) f (x) =

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

Mehr

differenzierbare Funktionen

differenzierbare Funktionen Kapitel IV Differenzierbare Funktionen 18 Differenzierbarkeit und Rechenregeln für differenzierbare Funktionen 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 20 Gleichmäßige Konvergenz von

Mehr

5 Potenzreihenansatz und spezielle Funktionen

5 Potenzreihenansatz und spezielle Funktionen 5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten

Mehr

ε δ Definition der Stetigkeit.

ε 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

Mehr

Funktionentheorie I : WS Die Γ Funktion

Funktionentheorie I : WS Die Γ Funktion Funktionentheorie I : WS -5 Die Γ Funktion Dr. Rolf Busam Materialien zur Vorlesung Funktionentheorie I, WS -5. Eine kleine Formelsammlung zur Γ Funktion. Definition: Ist H r := { z C ; Re z > } die rechte

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als

Mehr

86 Klassifizierung der isolierten Singularitäten holomorpher

86 Klassifizierung der isolierten Singularitäten holomorpher 86 Klassifizierung der isolierten Singularitäten holomorpher Funktionen 86. Isolierte Singulariäten holomorpher Funktionen 86.3 Klassifizierung der isolirerten Singularitäten 86.5 Charakterisierung hebbarer

Mehr

9. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester x 3 + 4x 2 + 4x + 1 d x (d) x ln(x) d x. lim tan(a/2) + 1

9. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester x 3 + 4x 2 + 4x + 1 d x (d) x ln(x) d x. lim tan(a/2) + 1 O. Alaya, R. Bauer M. Fetzer, K. Sanei Kashani, F. Kissling B. Krinn, J. Schmid 9. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester 3 Lösungshinweise zu den Hausaufgaben: π Dr. M. Künzer Prof.

Mehr

Folgen und Reihen. Thomas Blasi

Folgen und Reihen. Thomas Blasi Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C)

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C) Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, 14..009 (Version C Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen aus der Vorlesung

Mehr

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, 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

Mehr

10 Differenzierbare Funktionen

10 Differenzierbare Funktionen 10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h

Mehr

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss. 1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine

Mehr

Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke

Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke Karteikarten, Analysis 2, Sätze und en nach der Vorlesung von PD Hanke Felix Müller, felix.b.mueller@physik.lmu.de Diese Karteikärtchen sollten alle en und Sätze der Vorlesung Analysis 2 bei Herrn PD Hanke

Mehr

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen) VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543 Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen

Mehr

Folgen und Reihen von Funktionen

Folgen und Reihen von Funktionen Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die

Mehr

Brückenkurs Rechentechniken

Brückenkurs Rechentechniken Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige

Mehr

11 Logarithmus und allgemeine Potenzen

11 Logarithmus und allgemeine Potenzen Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den

Mehr

Beispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt

Beispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2

Mehr

Kapitel 6. Exponentialfunktion

Kapitel 6. Exponentialfunktion Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 008/09 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge

Mehr

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben 9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren

Mehr

Aufgaben zur Analysis I aus dem Wiederholungskurs

Aufgaben zur Analysis I aus dem Wiederholungskurs Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 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

Mehr

2.6 Der Satz von Fubini

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

Mehr

9 Konvergenz und absolute Konvergenz von Reihen

9 Konvergenz und absolute Konvergenz von Reihen 9 Konvergenz und absolute Konvergenz von Reihen 9.2 Konvergenz von Reihen 9.5 Monotoniekriterium für Reihen 9.6 Konvergenzkriterium von Cauchy für Reihen 9.9 Rechenregeln für konvergente Reihen 9.10 Absolute

Mehr

Differential- und Integralrechnung

Differential- und Integralrechnung Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik

Mehr

Die alternierende harmonische Reihe.

Die alternierende harmonische Reihe. Die alternierende harmonische Reihe Beispiel: Die alternierende harmonische Reihe k k + = 2 + 3 4 + konvergiert nach dem Leibnizschen Konvergenzkriterium, und es gilt k k + = ln2 = 06934 für den Grenzwert

Mehr

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0

Mehr

3. Übungsblatt zur Analysis II

3. Übungsblatt zur Analysis II Fachbereich Mathematik Prof. Dr. Steffen Roch Nada Sissouno WS 9/ 9..9 3. Übungsblatt zur Analysis II Gruppenübung Majorantenkriterium für uneigentliche Riemann-Integrale: Es seien f : [, ) [, ) und g

Mehr

Klausur - Analysis I Lösungsskizzen

Klausur - Analysis I Lösungsskizzen Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit W und falsche Aussagen mit F. Es sind keine Begründungen

Mehr

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

SS 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

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

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

Mehr

Funktionenfolgen, Potenzreihen, Exponentialfunktion

Funktionenfolgen, Potenzreihen, Exponentialfunktion Kapitel 8 Funktionenfolgen, Potenzreihen, Exponentialfunktion Der in Definition 7. eingeführte Begriff einer Folge ist nicht auf die Betrachtung reeller Zahlen eingeschränkt und das Beispiel {a n } = {x

Mehr

INGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies

INGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 8. Reihen Prof. Dr. Gunar Matthies Sommersemester 2016 G. Matthies Ingenieurmathematik

Mehr

Die komplexe Exponentialfunktion und die Winkelfunktionen

Die komplexe Exponentialfunktion und die Winkelfunktionen Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen

Mehr

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5 3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber

Mehr

34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen

34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen 34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen R-Vektorräumen 34.1 Äquivalenz von Normen 34.3 Stetigkeit und Normen linearer Abbildungen 34.4 Äquivalente Normen sind gegeneinander

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

Wichtige Klassen reeller Funktionen

Wichtige Klassen reeller Funktionen 0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei

Mehr

Leitfaden a tx t

Leitfaden a tx t Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und

Mehr

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

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

Mehr

Kapitel 5 KONVERGENZ

Kapitel 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

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 17 Potenzreihen Definition 17.1. Es sei (c n ) n N eine Folge von reellen Zahlen und x eine weitere reelle Zahl. Dann heißt

Mehr

3 Windungszahlen und Cauchysche Integralformeln

3 Windungszahlen und Cauchysche Integralformeln 3 3 Windungszahlen und Cauchysche Integralformeln 3. Definition: Sei geschlossener Integrationsweg oder Zyklus mit z 0 C \ Sp. Dann heißt n(, z 0 ) := dz z z 0 Windungszahl (oder: Index, Umlaufszahl) von

Mehr

3 Grenzwert und Stetigkeit 1

3 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

Mehr

15 Hauptsätze über stetige Funktionen

15 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

Mehr

1 Konvergenz im p ten Mittel

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

Mehr

Lösungsvorschläge für das 5. Übungsblatt

Lösungsvorschläge für das 5. Übungsblatt Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),

Mehr

Thema 7 Konvergenzkriterien (uneigentliche Integrale)

Thema 7 Konvergenzkriterien (uneigentliche Integrale) Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe

Mehr

Übungen Analysis I WS 03/04

Übungen Analysis I WS 03/04 Blatt Abgabe: Mittwoch, 29.0.03 Aufgabe : Beweisen Sie, daß für jede natürliche Zahl n gilt: n ( ) n (x + y) n = x i y n i, i (b) n ν 2 = ν= i=0 n(n + )(2n + ), 6 (c) 2 3n ist durch 7 teilbar. Aufgabe

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N

Mehr

Zusammenfassung Analysis 2

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

Mehr

Analysis II - 1. Klausur

Analysis II - 1. Klausur Analysis II -. Klausur Sommersemester 25 Vorname: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Analysis II -. Klausur 2.5.25 Aufgabe 2 Punkte Berechnen

Mehr

Monotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings

Monotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings Monotone Approximationen durch die Stirlingsche Formel Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings Formel für n!: e n n e n n! e n n+/2 e n Genauer zeigen wir, dass die Folge

Mehr

Kapitel 5 Reihen 196

Kapitel 5 Reihen 196 Kapitel 5 Reihen 96 Kapitel 5. Definition und Beispiele 97 Das Material dieses Kapitels können Sie nachlesen in: MICHAEL SPIVAK, Calculus, Kapitel 22 DIRK HACHENBERGER, Mathematik für Informatiker, Kapitel

Mehr

Analytische Zahlentheorie

Analytische Zahlentheorie 4. April 005. Übungsblatt Aufgabe (4 Punkte Sei k N. Beweisen Sie, dass f : N C mit f(n := n k streng multiplikativ ist. Sei τ die Funktion, die der natürlichen Zahl n die Anzahl der Teiler von n zuordnet

Mehr

AUFGABEN ZUR FUNKTIONENTHEORIE. von. Prof. Dr. H.-W. Burmann

AUFGABEN ZUR FUNKTIONENTHEORIE. von. Prof. Dr. H.-W. Burmann AUFGABEN ZUR FUNKTIONENTHEORIE von Prof. Dr. H.-W. Burmann Bei den folgenden Aufgaben handelt es sich um Reste, die bei der Erstellung der Aufgabenblätter übriggeblieben sind. Der Schwierigkeitsgrad der

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(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.

Mehr

Klassische elementare Analysis

Klassische elementare Analysis i Max Koecher Klassische elementare Analysis 1987 Birkhäuser Verlag Basel Boston Inhaltsverzeichnis Kapitel I Der goldene Schnitt Einleitung 11 1 Elementare Eigenschaften 11 1. Definition - 2. Konstruktion

Mehr

Fourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R.

Fourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R. Fourier-Reihen Sehr häufig in der Natur begegnen uns periodische Vorgänge, zb beim Lauf der Gestirne am Nachthimmel In der Physik sind Phänomene wie Schwingungen und Wechselströme periodischer Natur Zumeist

Mehr

5 Stetigkeit und Differenzierbarkeit

5 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.

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

Analysis I. 1. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge

Mehr

Musterlösungen zu Blatt 15, Analysis I

Musterlösungen zu Blatt 15, Analysis I Musterlösungen zu Blatt 5, Analysis I WS 3/4 Inhaltsverzeichnis Aufgabe 85: Konvergenzradien Aufgabe 86: Approimation von ep() durch Polynome Aufgabe 87: Taylorreihen von cos 3 und sin Aufgabe 88: Differenzenquotienten

Mehr

Universität Ulm Abgabe: Mittwoch,

Universität Ulm Abgabe: Mittwoch, Universität Ulm Abgabe: Mittwoch, 8.5.23 Prof. Dr. W. Arendt Jochen Glück Sommersemester 23 Punktzahl: 36+4* Lösungen Halbgruppen und Evolutionsgleichungen: Blatt 2. Sei X ein Banachraum und (T (t)) t

Mehr

Ferienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008

Ferienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008 Ferienkurs Analysis 1, SoSe 2008 Unendliche Reihen Florian Beye August 15, 2008 1 Reihen und deren Konvergenz Definition 1.1. Eine reelle bzw. komplexe Reihe ist eine unendliche Summe über die Glieder

Mehr

2. Mathematische Grundlagen

2. Mathematische Grundlagen 2. Mathematische Grundlagen Erforderliche mathematische Hilfsmittel: Summen und Produkte Exponential- und Logarithmusfunktionen 21 2.1 Endliche Summen und Produkte Betrachte n reelle Zahlen a 1, a 2,...,

Mehr

Polynomiale Approximation. und. Taylor-Reihen

Polynomiale Approximation. und. Taylor-Reihen Polynomiale Approximation und Taylor-Reihen Heute gehts um die Approximation von glatten (d.h. beliebig oft differenzierbaren) Funktionen f nicht nur durch Gerade (sprich Polynome vom Grade 1) und Polynome

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis I. 4. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein

Mehr

Höhere Mathematik für Physiker II

Höhere Mathematik für Physiker II Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N

Mehr

Beispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759.

Beispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759. (4) Exponential- und Logarithmusfunktionen Satz Für jedes b > 1 gibt es eine eindeutig bestimmte Funktion exp b : R R + mit folgenden Eigenschaften. exp b (r) = b r für alle r Q Die Funktion exp b ist

Mehr

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer

Mehr

12.6 Aufgaben zur Laplace-Transformation

12.6 Aufgaben zur Laplace-Transformation 292 12. Aufgaben zu linearen Gleichungen 12.6 Aufgaben zur Laplace-Tranformation A B C D Man löe die folgenden Anfangwertprobleme durch Laplace-Tranformation: 1) ẍ ẋ x = ; x() = ẋ() = 1 2) x (3) 6ẍ + 12ẋ

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr