Die Hausdorff-Metrik und Limiten von Mengen

Größe: px
Ab Seite anzeigen:

Download "Die Hausdorff-Metrik und Limiten von Mengen"

Transkript

1 Die Hausdorff-Metrik und Limiten von Mengen Jakob Reiffenstein Seminararbeit aus Analysis SS

2 Inhaltsverzeichnis 1 Die Hausdorff-Metrik 3 2 Konvergenz in H(X) 6 3 Kompaktheit in H(X) 8 2

3 Zusammenfassung Die vorliegende Seminararbeit widmet sich zunächst der Hausdorff-Metrik. Diese lässt sich ausgehend von einem beliebigen kompakten metrischen Raum (X, d) definieren und gibt eine Metrik für den Hyperraum H(X) der abgeschlossenen, nichtleeren Teilmengen von X. Das erlaubt uns, nicht nur den Abstand zweier Punkte aus X zu messen, sondern auch, wie nahe bzw. ähnlich sich zwei Mengen aus H(X) sind. Anschließend wird untersucht, wie sich Konvergenz bezüglich der Hausdorff-Metrik charakterisieren lässt. Schließlich lässt sich sogar beweisen, dass der Raum H(X), auf dem die Hausdorff-Metrik definiert ist, kompakt ist. Dasselbe gilt für den Raum C(X) der zusammenhängenden Mengen aus H(X). 1 Die Hausdorff-Metrik Definition 1.1 Sei (X, T ) ein topologischer Raum. Der Hyperraum H(X) ist definiert als die Menge aller abgeschlossenen und nichtleeren Teilmengen von X, d.h. H(X) := {A X : A ist abgeschlossen und A }. Für die nun folgende Definition der Hausdorff-Metrik benötigen wir die wesentlich spezifischere Voraussetzung eines kompakten metrischen Raumes (X, d). Beachte, dass in diesem Fall die abgeschlossenen Teilmengen von X genau die kompakten Teilmengen sind. Definition 1.2 Sei (X, d) ein kompakter metrischer Raum, A, B H(X) und δ > 0. Bezeichne N δ (A) := {x X : d(x, A) < δ}, wobei d(x, A) := inf d(x, y) = min d(x, y). Dann wird die Hausdorff-Metrik definiert durch y A y A H d (A, B) := inf{ɛ > 0 : A N ɛ (B) und B N ɛ (A)}. Bemerkung 1.3. Der Ausdruck H d (K, L) gibt an, wie stark K und L aneinander gekoppelt sind. Und zwar liegt jedes x K nicht weiter als H d (K, L) von L entfernt. Genauer werden wir folgende Aussage beweisen: Für alle K, L H(X) und x K existiert y L mit d(x, y) H d (K, L). (1) Wir konstruieren ein y L mit dieser Eigenschaft. Nach Definition von H d gilt für alle n N die Inklusion K N Hd (K,L)+ 1 n (L). Daraus folgt die Existenz von y n L mit d(x, y n ) < H d (K, L) + 1 n. Weil L kompakt ist, hat (y n) n N eine konvergente Teilfolge mit Grenzwert y L. Dieses y erfüllt dann die Beziehung d(x, y) H d (K, L). Weiters sei angemerkt, dass die Definition von H d offensichtlich symmetrisch in A und B ist. Salopp gesagt wird dadurch sichergestellt, dass die Hausdorff-Metrik mit unserer Anschauung zusammenpasst. Wenn nämlich bloß A N ɛ (B) mit kleinem ɛ > 0 gilt, folgt nicht zwingend, dass A ähnlich zu B ist. Ein Gegenbeispiel wären die Kugeln U 1 (0) und U 2 (0) im R n : Zwar gilt U 1 (0) N ɛ (U 2 (0)) für alle ɛ > 0, aber U 2 (0) N ɛ (U 1 (0)) nur für ɛ > 1. Wir sehen also, dass Mengen A, B mit kleinem Abstand H d (A, B) immer eine ähnliche Größe besitzen. Lemma 1.4 Die Funktion H d definiert eine Metrik auf H(X). 3

4 Beweis. Symmetrie und Nichtnegativität sind aus der Definition ersichtlich. Ist H d (A, B) = 0, dann folgt A N ɛ (B) und B N ɛ (A) für alle ɛ > 0. Wir behaupten, dass daraus A B sowie B A folgt, also A = B. Um das einzusehen, wähle o.b.d.a. ein x A\B. Weil B kompakt ist, gilt c := d(x, B) > 0. Setze ɛ := c 2. Wir sehen x / N ɛ(b) im Widerspruch zur Voraussetzung. Der wesentliche Aufwand besteht darin, die Gültigkeit der Dreiecksungleichung zu beweisen. Wir verwenden die Hilfsaussage (1). Sind A, B, C H(X) und a A, dann gibt es aufgrund von (1) ein b B mit d(a, b) H d (A, B). Ausgehend von jenem b existiert wiederum ein c C mit d(b, c) H d (B, C). Es folgt d(a, c) d(a, b) + d(b, c) H d (A, B) + H d (B, C). Das bedeutet, dass für beliebiges δ > 0 und mit z := H d (A, B) + H d (B, C) die strike Ungleichung d(a, c) < z + δ gilt. Weil a A beliebig war, folgt A N z+δ (C) für jedes δ > 0. Analog beweist man auch C N z+δ (A). Daraus folgt H d (A, C) η + δ für alle δ > 0. Damit gilt schließlich H d (A, C) z = H d (A, B) + H d (B, C). Bemerkung 1.5. Mit der Hausdorff-Metrik erhält man ein Instrument, mit dem man die geometrische Größe zweier Mengen vergleichen kann. Diese Aussage klingt zunächst etwas schwammig, aber man kann ihr auch mathematisch gesehen einen Sinn geben. Und zwar lässt sich beweisen (siehe dazu [N, 4.33]), dass es zu jedem kompakten metrischen Raum (X, d) eine sogenannte Größenfunktion µ : H(X) [0, + ) gibt, die folgendes erfüllt: µ ist stetig, für alle A, B H(X) mit A B gilt µ(a) < µ(b) und µ({x}) = 0 für alle x X. Als nächstes konstruieren wir eine weitere Topologie auf dem Hyperraum H(X), die Vietoris- Topologie. Dazu geben wir eine Basis und eine Subbasis an. Wir benötigen dafür keine Voraussetzungen an den Raum (X, T ). Wenn aber (X, d) ein kompakter metrischer Raum ist, stimmt die Vietoris-Topologie mit der von H d erzeugten Topologie überein. Definition 1.6 Für einen topologischen Raum (X, T ) und beliebige U, U 1,..., U n T definieren wir: Γ(U) := {A H(X) : A U}, Λ(U) := {A H(X) : A U }, U 1,..., U n := {A H(X) : A n i=1 U i und A U i, i = 1,..., n}. Lemma 1.7 Mit der Notation von Definition 1.6 gilt 1. Γ(U) = U und Λ(U) = X, U, 2. U 1,..., U n = Γ ( ( n i=1 U n ) i) i=1 Λ(U i). Mit U := n i=1 U i sowie V := m j=1 V j gilt: 3. U 1,..., U n V 1,..., V m = V U 1,..., V U n, U V 1,..., U V m. 4

5 Beweis. Die ersten beiden Aussagen sind klar. Um 3. nachzuprüfen, betrachte man zunächst folgende Gleichheit: ( n ) ( m ) m U i V j = (U V j ) = i=1 j=1 j=1 n (V U i ) = i=1 m (U V j ) j=1 n (V U i ). Es bleibt zu bemerken, dass A (V U i ) impliziert, dass (als Obermenge davon) auch A U i. Dasselbe gilt für U V j. Umgekehrt folgt für A V gemeinsam mit A U i, dass A (V U i ) = A U i ; dieselbe Aussage gilt für A (U V j ). i=1 Satz 1.8 Sei (X, T ) ein topologischer Raum und B := { U 1,..., U n : n N und U 1,..., U n T } P := {Γ(U) : U T } {Λ(U) : U T } Dann ist B die Basis einer Topologie T V eine Subbasis dieser Topologie. auf H(X), der sogenannten Vietoris-Topologie. P ist Beweis. Aus Lemma 1.7, 3. erkennt man, dass B durchschnittsstabil ist. Wegen H(X) = X ist B Basis von T V := T (B), d.h. von der gröbsten Topologie auf H(X), die B enthält; siehe [K, ]. Sei [P] := { n i=1 P i : n N, P 1,..., P n P}. Wegen Lemma 1.7, 1. gilt P B, und infolge auch [P] B, weil B ja durchschnittsstabil ist. Umgekehrt gilt aufgrund von 2. in Lemma 1.7, dass B [P]. Insgesamt ergibt das B = [P], womit P eine Subbasis von T V ist. Satz 1.9 Sei (X, d) ein kompakter metrischer Raum. Bezeichne T H durch die Hausdorff-Metrik H d auf H(X) erhält. Dann gilt T H = T V. die Topologie, die man Beweis. Wir schreiben für A, B H(X) und ɛ > 0: U ɛ (A) := {K H(X) : H d (A, K) < ɛ} d(a, B) := inf{d(a, b) : a A, b B}. Wir beweisen zuerst, dass für U T die Mengen Γ(U) und Λ(U) immer offen bezüglich H d sind. Für U = X ist das klar, weil Γ(X) = Λ(X) = H(X). Für U T \{X}, A Γ(U) sei ɛ := d(a, X\U) > 0. Zu beweisen ist die Inklusion U ɛ (A) Γ(U). Angenommen, B U ɛ (A) wäre keine Teilmenge von U. Dann gäbe es z B X\U. Wir erhielten d(z, A) d(x\u, A) = ɛ. Im Widerspruch dazu erhalten wir aus B U ɛ (A), dass B N ɛ (A) und damit d(z, A) < ɛ. Also gilt U ɛ (A) Γ(U). Für U T \{X}, A Λ(U) wähle ein p A U. Setze ɛ := d({p}, X\U) > 0. Wir zeigen U ɛ (A) Λ(U). Für K U ɛ (A) gilt p A N ɛ (K). Also existiert ein x K mit d(p, x) < ɛ. Dieses x liegt wegen d(x, X\U) d(p, X\U) d(p, x) = ɛ d(p, x) > 0 auch in U. Damit ist K U bzw. K Λ(U). Insgesamt erkennt man, dass P T H und als Konsequenz T V T H. Für den Beweis von T H T V genügt es, dass für alle offenen Kugeln U 2ɛ (A) mit A H(X), ɛ > 0 endlich viele Mengen U 1,..., U n T existieren, sodass A U A := U 1,..., U n U 2ɛ (A). (2) Aus der Kompaktheit von A folgt, dass A total beschränkt ist. Also lassen sich endlich viele Mengen U 1,..., U n T mit Durchmesser jeweils kleiner als ɛ finden, die A überdecken. Ohne 5

6 Beschränkung der Allgemeinheit sei auch A U i für alle i = 1,..., n verlangt. Klarerweise ist dann A U 1,..., U n. Außerdem folgt für jedes weitere K U 1,..., U n, dass jedes x K in einem gewissen U i enthalten ist. Da ein x i A U i existiert und der Durchmesser von U i kleiner als ɛ ist, erhalten wir d(x, A) d(x, x i ) < ɛ. x K war beliebig und das bedeutet K N ɛ (A). Genauso zeigt man A N ɛ (K). Also muss H d (A, K) ɛ < 2ɛ gelten, woraus (2) folgt. Korollar 1.10 Sei (X, T ) ein kompakter topologischer Raum und d 1, d 2 zwei Metriken auf X, die beide T erzeugen (d.h. T = T d1 = T d2 ). Dann sind die von H d1 und von H d2 auf H(X) induzierten Topologien ident. Beweis. Das ist eine unmittelbare Konsequenz aus Satz Konvergenz in H(X) Wie dem Leser/der Leserin vielleicht schon bekannt ist, kann man für Mengenfolgen eine Art von Konvergenz definieren, die ohne Metrik und sogar ohne Topologie auskommt. Wir verwenden hier eine Definition, die sehr wohl Rücksicht auf die Topologie von X nimmt, aber auf den ersten Blick nichts mit der Vietoris-Topologie zu tun hat. In diesem Abschnitt wird ein Zusammenhang zwischen diesen beiden Konvergenzarten hergestellt. Definition 2.1 Sei (X, T ) ein topologischer Raum und (A n ) n N eine Folge von Teilmengen von X. Wir definieren lim inf A n := {x X : Für alle U T mit x U : U A n für fast alle n N}, lim sup A n := {x X : Für alle U T mit x U : U A n für unendlich viele n N}. Falls lim inf A n = lim sup A n =: A sagen wir, dass A n gegen A konvergiert und schreiben lim A n = A. Offensichtlich ist lim inf A n immer eine Teilmenge von lim sup A n. Lemma 2.2 Sei (X, T ) ein kompakter topologischer Raum und (A n ) n N eine Folge aus H(X). Dann gilt auch lim sup A n H(X). Beweis. Wir beweisen folgende Gleichheit: lim sup A n = A n. (3) m N n m Dazu halten wir uns vor Augen, was x lim sup A n bedeutet 1 : x lim sup A n U T mit x U, m N n m : A n U ( ) U T mit x U, m N : A n U m N : x n m n m A n x m N n m 1 Für die dritte Äquivalenz benützen wir folgende Aussage: Sind D X,x X beliebig, so gilt x D genau dann, wenn jede Umgebung von x nichtleeren Schnitt mit D hat. Siehe dazu [K, ]. A n. 6

7 Mit dieser Schreibweise ist klar, dass lim sup A n als Schnitt abgeschlossener Mengen abgeschlossen ist. Außerdem ist der Schnitt über endlich viele Mengen der Form n m A n nicht leer, weil die Folge ( n m A n) m N monoton fallend bezüglich der Mengeninklusion ist. Die Kompaktheit von X impliziert, dass lim sup A n, also der Durchschnitt über alle Folgenglieder, nicht leer ist. Satz 2.3 Sei (X, T ) ein kompakter topologischer Raum und (A n ) n N eine Folge aus H(X). Existiert A = lim A n, dann konvergiert A n auch bezüglich der Topologie T V aus Satz 1.9 gegen A. Erfüllt X zusätzlich das Trennungsaxiom (T 2 ), dann folgt umgekehrt aus der Konvergenz von A n gegen A bezüglich T V auch lim A n = A. In einem kompakten metrischen Raum (X, d) gilt insbesondere lim A n = A genau dann, wenn lim n H d (A n, A) = 0. Beweis. Wir beweisen zuerst, dass lim A n = A die Konvergenz von A n gegen A bezüglich T V nach sich zieht. Wegen Lemma 2.2 gilt A H(X). Seien U 1,..., U k offene Teilmengen von X mit A U 1,..., U k. Wegen A U i für alle i = 1,..., k lassen sich x 1,..., x k so wählen, dass x i A U i U i. Nachdem ja lim inf A n = A x i gilt, gibt es Indizes N i N, i = 1,..., k mit A n U i für alle n N i, i = 1,..., k. (4) Weiters wollen wir beweisen, dass auch ein M N existiert, sodass A n k U i für alle n M. (5) i=1 Wir nehmen das Gegenteil an und setzen K := X\ k i=1 U i. Dann würde eine Teilfolge A j(n) von A n existieren, sodass für alle n N gilt A j(n) K für alle n N. Aus jedem dieser Schnitte wähle ein x n. Die Folge x n hat dann aufgrund der Kompaktheit von K eine konvergente Teilfolge mit Grenzwert x K. Für jede Umgebung U von x gibt es also einen Index Ñ N, sodass für alle n Ñ gilt x n U. Dann ist insbesondere A j(n) U und das bedeutet x lim sup A n = A. Das ist ein Widerspruch zu A K =. Mit (4) und (5) erhalten wir A n U 1,..., U k für alle n N := max{m, N 1,..., N k }, also konvergiert A n gegen A in T V. Für die Rückrichtung sei A = lim T V n A n. Wenn wir sowohl A lim inf A n als auch lim sup A n A zeigen können, folgt die Aussage aus A lim inf A n lim sup A n A. Zuerst beweisen wir A lim inf A n. Sei p A beliebig und U eine offene Umgebung von p in X. Dann ist Λ(U) eine offene Umgebung von A. Weil A n bezüglich T V gegen A konvergiert, existiert ein N N, sodass A n Λ(U) für alle n N. Insbesondere gilt für n N, dass A n U und somit p lim inf A n. Weil p beliebig war, haben wir A lim inf A n bewiesen. Nur der Beweis von lim sup A n A steht noch aus. Der Fall A = X ist trivial. Andernfalls sei x X\A. Aufgrund von (T 2 ) und weil X kompakt ist, erfüllt X auch (T 4 ); siehe [K, ]. Also gibt es V T mit A V und x / V. Dann ist 7

8 Γ(V ) eine offene Umgebung von A in H(X), und infolge gibt es ein N N, sodass A n Γ(V ) bzw. A n V für alle n N. Das impliziert A n (X\V ) = für fast alle n N. Daher gilt x / lim sup A n, denn X\V ist eine offene Umgebung von x. Nun stellt sich die Frage, ob man für den Beweis der Rückrichtung in Satz 2.3 wirklich benötigt, dass X Hausdorff ist. Das folgende einfache Beispiel zeigt, dass man diese Voraussetzung nicht weglassen kann. Beispiel 2.4. Sei X := {1, 2} versehen mit der Topologie T := {, {1}, {1, 2}}. Man sieht sofort, dass H(X) = {{2}, {1, 2}}. Die Mengen {1} =, {1, 2} = H(X) sowie {1}, {1, 2} = {{1, 2}} bilden eine Basis der Topologie T V auf H(X). Betrachte nun die konstante Folge A n := {1, 2}, n N. Diese konvergiert offensichtlich bzgl. T V gegen {1, 2}. Allerdings konvergiert sie auch gegen {2}, weil jede Umgebung von {2} auch {1, 2} = A n enthält. Gleichzeitig erkennt man sofort, dass lim A n, so wie er oben definiert wurde, eindeutig ist, falls er existiert. In diesem Beispiel haben wir offensichtlich das Problem, dass H(X) nicht Hausdorff ist und daher Grenzwerte nicht eindeutig sein müssen. Folgendes Lemma ist naheliegend: Lemma 2.5 Sei (X, T ) ein kompakter (T 2 )-Raum. Dann erfüllt (H(X), T V ) ebenfalls das Trennungsaxiom (T 2 ). Beweis. Für A, B H(X), A B ist zu zeigen, dass A und B sich durch offene Mengen trennen lassen. O.B.d.A. sei x A\B. Wegen [K, ] erfüllt ist X sogar ein (T 4 )-Raum. Wir können also disjunkte U, V T wählen, sodass {x} U und B V. Es folgt B Γ(V ), A Λ(U). Wegen U V = gilt auch Γ(V ) Λ(U) =, womit wir A und B durch offene Mengen getrennt haben. Bemerkung 2.6. Falls (X, d) ein kompakter metrischer Raum ist, liefert die Größenfunktion µ aus Bemerkung 1.5 eine weitere Veranschaulichung der Konvergenz in H(X). Für jede solche Funktion gilt nämlich, dass eine Folge (A n ) n N aus H(X) genau dann gegen ein A H(X) konvergiert, wenn für jedes ɛ > 0 eine natürliche Zahl N existiert, sodass A n N ɛ (A) und µ(a n ) µ(a) < ɛ für alle n N. 3 Kompaktheit in H(X) Lemma 3.1 (Tukey) 2 Man sagt, dass eine Familie F von Mengen endlichen Charakter hat, wenn folgende Aussagen äquivalent sind: F F. Jede endliche Teilmenge von F liegt in F. Für ein F mit dieser Eigenschaft gilt dann, dass für jedes D aus F ein F D D existiert, das maximal in F ist. 2 Das Lemma von Tukey ist äquivalent zum Auswahlaxiom. 8

9 Beweis. Siehe [Ke, 0.25]. Satz 3.2 (Alexander Subbase Lemma) Sei (X, T ) ein topologischer Raum und S eine Subbasis von T. Hat jede Überdeckung von X durch Mengen aus S eine endliche Teilüberdeckung, dann ist X kompakt. Beweis. Für diesen Beweis nennen wir eine Familie C von Teilmengen von X inadäquat, falls C nicht ganz X überdeckt endlich inadäquat, falls keine endliche Teilmenge von C ganz X überdeckt. Damit lässt sich die Kompaktheit von X wie folgt formulieren: Jede endlich inadäquate Familie offener Mengen ist inadäquat. Betrachte nun die Menge der endlich inadäquaten Familien offener Mengen. Man sieht sofort, dass diese endlichen Charakter hat. Lemma 3.1 garantiert die Existenz einer maximalen endlich inadäquaten Familie A. Diese Familie hat dann folgende Eigenschaften: Für jedes O T, O / A gibt es wegen der Maximalität von A endlich viele A 1,..., A m A mit O A 1... A m = X. A kann damit auch keine offene Obermenge von O enthalten. Für eine weitere nicht in A enthaltene offene Menge U finden wir genauso B 1,..., B n A, sodass U B 1... B n = X. Dann folgt (O U) A 1... A m B 1... B n = X. Auch O U kann also nicht in A liegen. Induktiv zeigt man, dass auch der Schnitt von endlich vielen offenen Mengen, die nicht in A liegen, nicht in A liegt. Das lässt sich umformulieren zu: Wenn für ein A A endlich viele C 1,..., C k T mit k i=1 C i A existieren, dann liegt mindestens eines der C i in A. Nun wählen wir eine endlich inadäquate Familie D offener Teilmengen von X. Sei A eine maximale endlich inadäquate Familie, die D enthält. Dann ist auch S A endlich inadäquat. Dieser Schnitt besteht nur aus Elementen von S und deshalb ist nach Voraussetzung S A sogar inadäquat, überdeckt also nicht ganz X. Sei schlussendlich A A, x A beliebig, dann gibt es aufgrund der Subbasiseigenschaft von S endlich viele Mengen C 1,..., C k S mit x k i=1 C i A. Wie oben gezeigt, ist dann x C i A S für ein 1 i n. Wir haben damit gezeigt, dass A = A X. A A A S A Also ist auch A inadäquat. D ist es als Teilfamilie von A genauso, womit X kompakt ist. Satz 3.3 Ein beliebiger topologischer Raum (X, T ) ist genau dann kompakt, wenn (H(X), T V ) kompakt ist. Beweis. Wir beweisen zuerst, dass die Kompaktheit von X die von H(X) impliziert. Sei P die Subbasis von T V aus Satz 1.8. Nach Satz 3.2 genügt es, für jede Überdeckung von H(X) durch Mengen aus P eine endliche Teilüberdeckung zu finden. Sei also L = {Γ(U i ) : i I} {Λ(V j ) : j J} (6) so eine Überdeckung, d.h. L L L = H(X). Wir setzen Y := X\( j J V j) und unterscheiden zwei Fälle: 9

10 1. Fall: Y = bzw. X = j J V j. Aus der Kompaktheit von X erhalten wir endlich viele Indizes j 1,..., j n J mit X = n k=1 V j k. Klarerweise impliziert das H(X) = n Λ(V jk ). k=1 2. Fall: Y. Nach Definition von Y ist in diesem Fall Y H(X) und Y / Λ(V j ) für alle j J. Nachdem L ganz H(X) überdeckt, gibt es ein i 0 I mit Y Γ(U i0 ). Das bedeutet Y U i0 und weiter X\U i0 X\Y = j J V j. Weil X\U i0 abgeschlossen und daher kompakt ist, gibt es j 1,..., j n J mit X\U i0 n V jk. k=1 Jedes A H(X), das nicht in Γ(U i0 ) liegt, besitzt ein Element in X\U i0, woraus zusammen mit dem bereits Gezeigten folgt, dass ( n H(X) = Γ(U i0 ) k=1 ) Λ(V jk ). Das beweist die Kompaktheit von H(X). Für die Rückrichtung sei angenommen, dass H(X) kompakt ist, und sei (x i ) i I ein Netz aus X. Dann ist ({x i }) i I ein Netz in H(X), zu dem es ein konvergentes Teilnetz ({x i(j) }) j J geben muss. Sei Y H(X) der Grenzwert davon und x Y ; wegen Y H(X) ist Y nicht leer. Für eine beliebige offene Umgebung U T von x ist offenbar Λ(U) eine offene Umgebung von Y in H(X). Es gibt daher einen Index j 0 J, sodass {x i(j) } Λ(U) für alle j j 0 bzw. {x i(j) } U für alle j j 0. Dann folgt auch {x i(j) } U, denn andernfalls wäre {x i(j) } U c. Wegen der Abgeschlossenheit von U c erhalten wir {x i(j) } U c im Widerspruch zur vorigen Aussage. Es folgt die Konvergenz von x i(j) gegen x, denn {x i(j) } U ist offensichtlich äquivalent zu x i(j) U. X ist folglich kompakt. Bemerkung 3.4. Für einen kompakten metrischen Raum (X, d) und A H(X) abgeschlossen folgt aus dem soeben bewiesenen Satz 3.3, dass A sogar kompakt ist. Weil µ aus Bemerkung 1.5 stetig ist, nimmt µ ein Maximum A auf A an. Aufgrund der Eigenschaft µ(a) < µ(b) für A B ist A dann auch ein maximales Element von A in dem Sinne, dass jedes B A mit B A schon mit A übereinstimmen muss. Korollar 3.5 Sei (X, d) ein kompakter metrischer Raum. Dann hat jede Folge in H(X) eine konvergente Teilfolge. Es gilt sogar, dass jede beliebige Folge (A n ) n N nichtleerer Teilmengen von X eine Teilfolge hat, für die lim A j(n) existiert und in H(X) liegt. Beweis. Die erste Aussage gilt, weil (H(X), H d ) nach Satz 3.3 ein kompakter metrischer Raum ist. Für die zweite bleibt zu zeigen, dass lim inf A n = lim inf A n und lim sup A n = lim sup A n. Der 10

11 Rest folgt dann aus der soeben bewiesenen ersten Aussage, angewandt auf die Folge (A n ) n N. Aber auch dieser Beweis ist nicht schwierig: Sei U T mit U A n. Angenommen, es wäre A n U c, dann würde die Abgeschlossenheit von U c sogar A n U c nach sich ziehen. Wir hatten aber U A n vorausgesetzt. Somit gilt A n U c bzw. U A n. Also folgt die Aussage aus U A n U A n. Zum Abschluss dieser Seminararbeit sollen noch die zusammenhängenden Teilmengen von X in Hinblick auf die Hausdorff-Metrik untersucht werden. Zur Erinnerung: Eine Teilmenge Y von X heißt zusammenhängend, falls man sie nicht als disjunkte Vereinigung zweier nichtleerer abgeschlossener 3 Mengen schreiben kann. Definition 3.6 Ist (X, T ) ein topologischer Raum, so schreiben wir C(X) := {A H(X) : A ist zusammenhängend}. Definition 3.7 Sei (X, d) ein metrischer Raum und ɛ > 0. Eine (d, ɛ)-kette ist eine endliche, nichtleere Teilmenge {x 1,..., x n } von X mit d(x i, x i+1 ) < ɛ für alle i = 1,..., n 1. Ist dabei p = x 1 und q = x n, dann sagen wir, dass die (d, ɛ)-kette von p nach q geht bzw. p und q verbindet. Eine Teilmenge Z von X nennen wir (d, ɛ)-verkettet 4, wenn für jede Auswahl von zwei Punkten aus Z eine (d, ɛ)-kette existiert, die beide Punkte verbindet. Ist Z X sogar (d, ɛ)-verkettet für jedes ɛ > 0, dann heißt Z d-stark-verkettet 5. Lemma 3.8 Sei (X, d) ein kompakter metrischer Raum. Dann ist jedes A C(X) d-starkverkettet. Beweis. Nach [K, ] ist A total beschränkt. Das bedeutet, dass für jedes ɛ > 0 endlich viele M 1,..., M n A mit Durchmessern jeweils kleiner als ɛ existieren, sodass A = n i=1 M i. O.B.d.A. seien M 1,..., M n nichtleer und abgeschlossen. Wähle x A und sei A x die Menge aller Punkte in A, die über eine (d, ɛ)-kette mit x verbunden werden können. Wenn A nicht (d, ɛ)-verkettet wäre, dann gäbe es ein y A\A x. Wir behaupten, dass dann d(z, y) ɛ für alle z A x folgt. Um das einzusehen, nehmen wir das Gegenteil an, d.h. d(z, y) < ɛ für ein z A x. Weil z in A x liegt, existiert eine (d, ɛ)-kette {x = x 1,..., x n = z}, die x mit z verbindet. Damit wäre aber {x = x 1,..., x n = z, y} eine (d, ɛ)-kette von x nach y. Das ist nicht möglich, weil y kein Element von A x ist. Wir folgern: Für alle x A x und ỹ A\A x ist d( x, ỹ) ɛ. Also enthält jedes M i, i = 1,..., n, entweder nur Punkte aus A x oder nur Punkte aus A\A x. Daraus folgt im Widerspruch zum Zusammenhang von A ( ) ( A = M i M j ). M i A x M j (A\A x) Beide Mengen sind nämlich abgeschlossen, nichtleer und disjunkt. A x muss also schon mit A übereinstimmen. 3 Abgeschlossen bezüglich der Spurtopologie. 4 engl. (d, ɛ)-chained 5 engl. d-well-chained 11

12 Lemma 3.9 Sei (X, d) ein kompakter metrischer Raum und (A n ) n N eine Folge aus H(X), die gegen ein A H(X) konvergiert. Sei (ɛ n ) n N (0, + ) mit lim n ɛ n = 0 und A n für jedes n N eine (d, ɛ n )-verkettete Menge. Dann ist A zusammenhängend, also A C(X). Beweis. Angenommen, A wäre nicht zusammenhängend. Schreibe A = K L mit K, L H(X) 6, K L =. Da K und L kompakt sind, ist 0 < δ := d(k, L) = inf{d(x, y) : x K, y L}. (7) Wie man unmittelbar nachprüft, sind dann U := N δ (K) und V := N δ (L) offen in X mit 3 3 K U und L V. Außerdem sind U und V disjunkt mit d(u, V ) δ 3. Es ist U, V eine offene Umgebung von A in H(X). Aus der Konvergenz von A n gegen A sehen wir, dass ein N N existiert, sodass für alle n N gilt A n U, V. Weil (ɛ n ) n N eine Nullfolge ist, kann k N mit ɛ k < δ 3 gewählt werden. Es gilt dann A k U, V, und das bedeutet, dass sowohl A k U als auch A k V. Sei x U A k U und x V A k V. Weil A k eine (d, ɛ k )-verkettete Menge ist, gibt es eine (d, ɛ k )-Kette {x U = x 1,..., x n = x V } in A k. Wähle i {1,..., n 1} als die kleinste Zahl, für die x i U, x i+1 V gilt. Wir erhalten den Widerspruch d(u, V ) d(x i, x i+1 ) ɛ k. Satz 3.10 Sei (X, d) ein kompakter metrischer Raum. Dann ist C(X) kompakt in H(X). Beweis. Nach Satz 3.3 müssen wir nur zeigen, dass C(X) abgeschlossen in H(X) ist. Sei (A n ) n N eine Folge aus C(X), die gegen ein A H(X) konvergiert. Nach Lemma 3.8 ist dann jedes A n d-stark-verkettet. Es lässt sich also Lemma 3.9 anwenden, woraus wir A C(X) erhalten. Es sei noch angemerkt, dass es zu diesem Thema weitere interessante Resultate gibt, beispielsweise, dass für einen zusammenhängenden und kompakten metrischen Raum auch C(X) und H(X) zusammenhängend sind. 6 Weil A abgeschlossen ist, ist die Abgeschlossenheit bzgl. d äquivalent zur Abgeschlossenheit bzgl. der Spurtopologie auf A 12

13 Literatur [N] Sam B. Nadler Jr.: Continuum Theory: An Introduction. Taylor & Francis, [K] Michael Kaltenbäck: Analysis 2. Vorlesungsskript SS 2015 [Ke] John L. Kelley: General Topology. Springer, (Neuauflage) 13

Analysis I - Stetige Funktionen

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

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige Konvergenz und Funktionenräume Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen

Mehr

8 Konvergenzkriterien und Häufungswerte von Folgen in R

8 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

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische Räume und stetige Abbildungen Teil 2 TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des

Mehr

Einführung in die Analysis

Einführung in die Analysis Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel

Mehr

Zahlen und metrische Räume

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

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

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

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive 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

Mehr

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung). Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6

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

Vorlesung. Funktionen/Abbildungen

Vorlesung. Funktionen/Abbildungen Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, 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

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. 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.

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

2. Stetige lineare Funktionale

2. Stetige lineare Funktionale -21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn

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

Stetigkeit von Funktionen

Stetigkeit von Funktionen 9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,

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

fraktal kommt von f : C C : x x 3.

fraktal kommt von f : C C : x x 3. Kapitel 4 Fraktale und Dimension 4.1 Selbstähnlichkeit Was sind Fraktale? Das Wort fraktal kommt von zerbrochen und steht für die nicht-ganzzahlige Dimension. Wir betrachten also Objekte deren Dimension

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 2013/14 Höhere Mathemati I für die Fachrichtung Informati Lösungsvorschläge zum 2. Übungsblatt Aufgabe

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

Exkurs: Polnische Räume

Exkurs: Polnische Räume Ein normaler Hausdorff-Raum mit abzählbarer Basis kann auf viele Weisen metrisiert werden; man kann insbesondere eine einmal gewonnene Metrik in vielerlei Weise abändern, ohne die von ihr erzeugte Topologie

Mehr

Einführung in die Algebra

Einführung 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

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. 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

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

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. 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

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

3 Vom Zählen zur Induktion

3 Vom Zählen zur Induktion 7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,

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

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 + 8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt

Mehr

Funktionalanalysis. Prof. Dr. W. Timmermann. TU Dresden Fakultät Mathematik Institut Analysis. Francesco Kriegel SS 2008 & WS 2008/2009

Funktionalanalysis. Prof. Dr. W. Timmermann. TU Dresden Fakultät Mathematik Institut Analysis. Francesco Kriegel SS 2008 & WS 2008/2009 Funktionalanalysis Prof. Dr. W. Timmermann Francesco Kriegel TU Dresden Fakultät Mathematik Institut Analysis SS 2008 & WS 2008/2009 15. April 2009 Inhaltsverzeichnis Kapitel 1 Grundlagen aus der Topologie

Mehr

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen

Mehr

Ergänzungen zur Analysis I

Ergänzungen 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.

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

Kapitel 3. Natürliche Zahlen und vollständige Induktion Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine

Mehr

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3

Mehr

2 Mengen und Abbildungen

2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:

Mehr

Ausgewählte unentscheidbare Sprachen

Ausgewählte unentscheidbare Sprachen Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Geometrische Mannigfaltigkeiten

Geometrische 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

Mehr

Matrizennorm. 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. 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

Mehr

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 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;.

Mehr

Vorlesungsmanuskript zu. Topologie. Werner Balser Institut für Angewandte Analysis. Wintersemester 2008/09

Vorlesungsmanuskript zu. Topologie. Werner Balser Institut für Angewandte Analysis. Wintersemester 2008/09 Vorlesungsmanuskript zu Topologie Werner Balser Institut für Angewandte Analysis Wintersemester 2008/09 Inhaltsverzeichnis 1 Topologische Räume 5 1.1 Normierte und metrische Räume................................

Mehr

n 1, n N \ {1}, 0 falls x = 0,

n 1, n N \ {1}, 0 falls x = 0, IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige

Mehr

1. Einleitung wichtige Begriffe

1. Einleitung wichtige Begriffe 1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Taylorentwicklung von Funktionen einer Veränderlichen

Taylorentwicklung von Funktionen einer Veränderlichen Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann

Mehr

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen Skript zur Analysis 1 Kapitel 3 Stetigkeit / Grenzwerte von Funktionen von Prof. Dr. J. Cleven Fachhochschule Dortmund Fachbereich Informatik Oktober 2003 2 Inhaltsverzeichnis 3 Stetigkeit und Grenzwerte

Mehr

Mengen und Abbildungen

Mengen und Abbildungen Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Kausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016

Kausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016 Kausalität Seminar zur Lorentz Geometrie Jonas Haferkamp 9. Juni 2016 1 Einleitung Kausalität ist das Prinzip von Ursache und Wirkung. Um dieses Konzept zu formalisieren, ist offenbar ein sinnvoller Zeitbegriff

Mehr

4.7 Der Taylorsche Satz

4.7 Der Taylorsche Satz 288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise

Mehr

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n. Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

Mehr

von und deren Werte in liegen, dabei ist wie bisher immer entweder oder. Verallgemeinerungen, etwa auf Abbildungen

von und deren Werte in liegen, dabei ist wie bisher immer entweder oder. Verallgemeinerungen, etwa auf Abbildungen III Stetigkeit, Grenzwerte bei Funktionen Natura non facit saltus (Die Natur macht keine Sprünge), dieser Anspruch von Raoul Fournier (1627) galt lange bei der mathematischen Behandlung von Naturvorgängen

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

Flüsse, Fixpunkte, Stabilität

Flüsse, Fixpunkte, Stabilität 1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume

Mehr

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch Kapitel 4 Die rationalen Zahlen Wir haben gesehen, dass eine Gleichung a x = b mit a, b Z genau dann eine Lösung x Z besitzt, wenn a b. Zum Beispiel hat 2 x = 1 keine Lösung x Z. Wir wollen nun den Zahlbereich

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

Analysis I. Vorlesung 9. Reihen

Analysis I. Vorlesung 9. Reihen Prof. Dr. H. Brenner Osnabrück WS 20/204 Analysis I Vorlesung 9 Reihen Wir haben in der siebten Vorlesung gesagt, dass man eine Dezimalentwicklung, also eine (unendliche) Ziffernfolge mit Ziffern zwischen

Mehr

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben.

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben. 4 Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei (a k ) k N eine Folge. Wir definieren

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

4 Reihen und Finanzmathematik

4 Reihen und Finanzmathematik 4 Reihen und Finanzmathematik 4. Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben 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.

Mehr

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const.

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const. Folgen und Reihen Folgen: Def.: Eine Abbildung a N K, n a(n) := a n (K = R C) wird Zahlenfolge genannt. Sie heißt reelle (komplexe) Zahlenfolge, falls K = R(C) ist. Symbole: a n K: Elemente der Folge,

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

8 Tangenten an Quadriken

8 Tangenten an Quadriken 8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

Stetigkeit. Im Bildungsplan bis 2004 verpflichtend, jetzt nicht mehr. - Soll Stetigkeit in der Schule behandelt werden? Warum?

Stetigkeit. Im Bildungsplan bis 2004 verpflichtend, jetzt nicht mehr. - Soll Stetigkeit in der Schule behandelt werden? Warum? 1 Nr.4-12.05.2016 Stetigkeit Im Bildungsplan bis 2004 verpflichtend, jetzt nicht mehr. - Soll Stetigkeit in der Schule behandelt werden? Warum? 1. Das ist ein ganz einfach zu verstehender Begriff, der

Mehr

Basis 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. 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

Mehr

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

Mehr

Der Konsistenzsatz von Kolmogorov

Der Konsistenzsatz von Kolmogorov Der Konsistenzsatz von Kolmogorov Im Rahmen der Theorie stochastischer Prozesse betrachten wir W-Maße auf unendlichen Produkträumen wie bspw. (R N, B N ) als Bildraum eines Prozesses (X t ) t N in diskreter

Mehr

1 Mengen und Abbildungen

1 Mengen und Abbildungen 1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra

Mehr

Iterative Verfahren, Splittingmethoden

Iterative Verfahren, Splittingmethoden Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem

Mehr

19 Folgen. Grenzwerte. Stetigkeit

19 Folgen. Grenzwerte. Stetigkeit 19 Folgen. Grenzwerte. Stetigkeit Jörn Loviscach Versionsstand: 27. Dezember 2014, 16:35 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html

Mehr

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Handout zu Beweistechniken

Handout zu Beweistechniken Handout zu Beweistechniken erstellt vom Lernzentrum Informatik auf Basis von [Kre13],[Bün] Inhaltsverzeichnis 1 Was ist ein Beweis? 2 2 Was ist Vorraussetzung, was ist Behauptung? 2 3 Beweisarten 3 3.1

Mehr