Universität Ulm Abgabe: Donnerstag,

Größe: px
Ab Seite anzeigen:

Download "Universität Ulm Abgabe: Donnerstag,"

Transkript

1 Universität Ulm Abgabe: Donnerstag, Jun.-Prof. Dr. D. Mugnolo Manfred Sauter Sommersemester 29 Gesamtpuntzahl: 3+ Lösungen Elemente der Funtionalanalysis: Blatt 6 As for everything else, so for a mathematical theory: beauty can be perceived but not explained. Arthur Cayley (82 895) 5. Sei H ein Hilbertraum und U, V abgeschlossene Unterräume von H. Zeige: Genau dann (4) ommutieren P U und P V, wenn auch P U P V eine orthogonale Projetion ist; in diesem Fall gilt P U P V = P V P U = P U V. Lösung: Wir nehmen zuerst an, dass P U und P V ommutieren. Dann gilt P V P U P V = P V P U = P U P V. Damit folgt P U P V x = P V P U x U V. Sei y U V. Dann gilt ( x PU P V x y P U P V x ) = ( x y ) ( x P U P V x ) ( P U P V x y ) + ( P U P V x P U P V x ) = ( x y ) ( x P U P V x ) ( x y ) + ( x P U P V x ) =. Hierbei haben wir die zweite Charaterisierung aus Aufgabe (b) verwendet. Damit ist nach Definition P U P V = P V P U = P U V. Für die verbliebene Richtung nehmen wir an, dass P U P V eine orthogonale Projetion ist. Wieder unter Verwendung von Aufgabe (b) erhalten wir für beliebige z H ( PU P V x z ) = ( x P U P V z ) = ( P V P U x z ). Damit ommutieren P U und P V. 6. Fourierreihen. (a) Es sei f C (R) -periodisch. Zeige: Ist die formale Fourierreihe von f durch (2) Z c e 2πit gegeben, dann hat f die formale Fourierreihe Z 2πic e 2πit. Lösung: Sei. Dann gilt c = ( f e )L 2 = f(t)e 2πit dt = 2πi f(t)e 2πit + f (t)e 2πit dt = + 2πi 2πi c, wobei c den -ten Fourieroeffizienten von f bezeichnet. Der erste Term verschwindet, weil f -periodisch ist. Zudem gilt c = Insgesamt haben wir also die Identität nachgewiesen, was zu zeigen war. f (t) dt = f(t) = = 2πic. c = 2πic (2)

2 (b) Berechne die formale Fourierreihe der Funtion f(t) = 4 π2 ( 2t) 2! (4) Lösung: Diese Funtion ist stetig differenzierbar und -periodisch. Daher gilt für f (t) = π 2 (2t ) und c = π 2 (2t )e 2πit dt = π2 2πi (2t )e 2πit + π2 e 2πit dt = π πi i +. Wir önnen den vorigen Aufgabenteil anwenden und erhalten für Zudem gilt c = Damit ist die formale Fourierreihe durch gegeben. c = 2πi c = π2 (2t ) 2 dt = 4 π2 6 (2t )3 2 π2 + Z\{} 2 2 e2πit = 2 π2. (c) Wir nehmen in diesem Aufgabenteil an, dass wir bereits wüßten, dass die formale (2) Fourierreihe aus Aufgabenteil (b) gleichmäßig gegen f onvergiert. Weise damit die Gleichheit 2 = π2 6 nach! Lösung: Konvergiert die Fourierreihe aus dem vorigen Aufgabenteil gleichmässig, so gilt unter anderem 4 π2 = f() = 2 π , oder gleichbedeutend Z\{} 2 = 4 π2 2 π2 = 6 π2. (d) Man will für das Polynom p(t) = t ein Polynom q höchstens fünften Grades finden, (4) welches den Ausdruc p(t) q(t) 2e t 2 dt minimiert. Ist dieses Optimierungsproblem wohlgestellt und eindeutig lösbar? Falls ja, beschreibe ein Verfahren, welches die Lösung q bestimmt. Lösung: Definiere f(t) = p(t) 2e t. Diese Funtion ann offenbar als Element vom Hilbertraum L 2 (, ) verstanden werden. Zudem ist der von den Polynomen bis zu fünftem Grad aufgespannte Unterraum U in L 2 (, ) endlichdimensional (genauer gesagt 6-dimensional). Daher ist U insbesondere abgeschlossen. Die Minimierungsaufgabe ist äquivalent dazu den Ausdruc f q 2 L 2 für q U zu minimieren. Die eindeutige Lösung für das Optimierungsproblem ist also durch P U f gegeben. 2

3 Die onrete Berechnung ann wie folgt vorgenommen werden: man orthogonalisiert die Monome bis zu fünftem Grad mittels Gram Schmidt; die Projetion auf dieses endlichdimensionale ONS ann dann durch die Bestimmung der sechs Fourieroeffizienten bezüglich dieses ONS angegeben werden. 7. Der Vollständigeit halber... (a) Beweise ohne Zuhilfenahme der Maßtheorie die Vollständigeit von l 2. (4) Lösung: Es sei (x (n) ) eine Cauchy-Folge in l 2. Zu zeigen ist, dass diese in l 2 auch onvergiert. Grenzwertandidat: Es gilt x (n) x (m) x (n) x (m) l 2 (n, m ). Daher liegt omponentenweise eine Cauchy-Folge vor. Der Grenzwertandidat ist daher die Folge x = (x ) N wobei x := lim n x(n). Zulässigeit: Wir zeigen, dass x l 2 ist. Das folgt aus denn Cauchy-Folgen sind beschränt. x 2 = lim x (n) n 2 lim sup x (n) 2 <, n l 2 Konvergenz: Es verbleibt noch die Konvergenz in l 2 nachzuweisen. Sei ε >. Wähle nun M groß genug, dass x (n) x (m) l 2 (n, m M). Dann gilt für n M x (n) 2 x = lim x (n) m x (m) 2 lim sup x (n) m Dies rechtfertigt den Grenzwertübergang N, und man erhält lim x (n) x =. l 2 n x (m) 2 ε. (b) Zeige, dass l nicht separabel ist. (2) Lösung: Definiere für A N die beschränte Folge x(a) := ( A (), A (2),... ). Seien A, A 2 N beliebig mit A A 2. Dann gilt x(a ) x(a 2 ). Die 2 -Umgebungen von x(a ) und x(a 2 ) in l sind also disjunt. Da P(N) überabzählbar ist und eine in l dichte Menge in der Umgebung einer jeden durch eine solche Teilmenge induzierten Folge einen Punt besitzen muss, ann l nicht separabel sein. (6) 8. Sei H ein Hilbertraum und (e ) N ein Orthonormalsystem in H. (4) (a) Zeige, dass (e ) genau dann eine Orthonormalbasis von H ist, wenn jeder Unter- (2) vetorraum von H, welcher (e ) enthält, dicht in H ist. 3

4 Lösung: Eine Orthonormalbasis hat nach Definition einen linearen Aufspann, der dicht ist. Somit ist natürlich auch ein dieser den Aufspann enthaltender Unterraum dicht. Die andere Richtung erhält man aus der Beobachtung, dass (e ) span{e : N} = H. (b) Zeige, dass (e ) genau dann eine Orthonormalbasis von H ist, wenn (2) für alle x, y H gilt. ( ) ( )( x y = x e e y ) Lösung: Gilt diese Gleichung, dann folgt im Fall x = y die Identität x 2 = ( ) x e 2. Gilt also für einen Vetor ( x e ) = für alle N, dann folgt x =. Nach Aufgabe 3 (b) folgt, dass (e ) eine Orthonormalbasis ist. Sei für die umgeehrte Richtung (e ) eine Orthonormalbasis. Dann gilt nach der Cauchy Schwarzschen Ungleichung und der Parsevalschen Gleichung, dass a(x, y) := ( )( x e e y ) x y < eine symmetrische Sesquilinearform ist. Da diese auf der Diagonalen mit dem Salarprodut übereinstimmt, also a(x, x) = x 2 = ( x x ) (x H) gilt, folgt wegen der Polarisationsgleichung sofort a(x, y) = ( x y ) für alle x, y H. 9. Zur Hilbertraumdimension. (a) Seien (X, ) und (X 2, 2 ) zwei isomorphe normierte Räume. Zeige, dass X (2) genau dann separabel/vollständig ist, wenn X 2 separabel/vollständig ist. Ein normierter Raum heißt dabei separabel, wenn er eine abzählbare dichte Teilmenge besitzt. Lösung: Sei J : X X 2 ein Isomorphismus, also J L(X, X 2 ) bijetiv mit J L(X 2, X ). Es genügt wegen der Symmetrie in der Aussage zu zeigen, dass wenn X separabel/vollständig ist, dies auch für X 2 gilt. Sei also D = {x n : n N} abzählbar und dicht in X. Dann ist auch JD = {Jx n : n N} abzählbar und dicht in X 2, was man wie folgt sieht: für y X 2 existiert x X mit Jx = y; es gibt eine Folge (x ) in D mit x x in X ; Jx JD und Jx Jx = y in X 2 wegen der Stetigeit von J. Sei X vollständig und (y ) eine Cauchy-Folge in X 2. Dann definiert auch x := J y eine Cauchy-Folge, denn () x n x m X J y n y m X2 (n, m ). Diese besitzt in X einen Grenzwert x. Nun gilt aber y = Jx Jx =: y ( ). Also ist (y ) in X 2 onvergent. Damit ist auch X 2 vollständig. 4

5 (b) Gib einen Beweis oder ein Gegenbeispiel für folgende Aussage: Sind zwei normierte () Räume isometrisch isomorph, so ist der eine ein Hilbertraum genau dann, wenn es auch der andere ist. Lösung: Diese Aussage ist orret. Ist nämlich J : X X 2 ein isometrischer Isomorphismus und ist X darüber hinaus ein Hilbertraum, so definiert ( y y 2 )2 := ( J y J y 2 ) offenbar eine positiv definite, symmetrische Sesqusquilinearform. Die Vollständigeit überträgt sich wegen des vorausgegangenen Aufgabenteils. (c) Zeige, dass die Vetorraumdimension von l 2 nicht mit seiner Hilbertraumdimension (3) übereinstimmt. Lösung: Wir wissen, dass l 2 insbesondere ein vollständiger metrischer Raum ist. Die Hilbertraumdimension von l 2 ist ℵ, da (e ) eine abzählbare Orthonormalbasis darstellt. Offenbar ist l 2 unendlichdimensional. Andererseits muss wegen des Satzes von Baire die Vetorraumdimension von l 2 echt höhere Kardinalität als ℵ besitzen. Zum Beweis nehmen wir an, dies wäre nicht der Fall. Dann gilt also span{x : N} = l 2 mit einem linear unabhängigen System (x ). Nun enthält A n := span{x : n} einen inneren Punt, da l 2 ansonsten endlichdimensional wäre. Zugleich ist aber A n als endlichdimensionaler Unterraum abgeschlossen. Aus der Identität A n = l 2 n N folgt nun mittels Baire der Widerspruch. Damit muss eine Vetorraumbasis von l 2 höhere Kardinalität als ℵ haben. (d) Zeige, dass zwei Hilberträume mit Orthonormalbasen derselben Kardinalität stets (4) isometrisch isomorph sind. Lösung: Sei (f α ) α I eine Orthonormalbasis von H und (g β ) β J eine Orthonormalbasis derselben Kardinalität von H 2. Die Bijetion zwischen den Indexmengen I und J sei durch j bezeichnet. Definiere nun die lineare Abbildung U : span{f α : α I} H 2, f α g j(α). Da U isometrisch ist und (f α ) dicht in H liegt, ann U stetig zu Ũ L(H, H 2 ) fortgesetzt werden. Es ist wegen der Stetigeit der Normen lar, dass Ũ isometrisch und damit injetiv ist. Offenbar liegt das Bild von Ũ dicht in H 2. Wegen des Satzes von der beschränten Inversen genügt es nun zu zeigen, dass das Bild von Ũ abgeschlossen ist. Man ann jedoch genauso einfach diret sehen, dass Ũ surjetiv ist. (e) Gilt die Aussage des vorigen Aufgabenteils auch, wenn man Orthonormalbasen durch Vetorraumbasen ersetzt und dafür das isometrisch streicht? Hinweis: Wir verwenden ZFC. Auf diesen Aufgabenteil werden eine Punte vergeben, weil er unangemessen schwierig und im Rahmen der Vorlesung völlig irrelevant ist. Die vorgesehene Bearbeitung besteht in entsprechender Literaturrecherche. Lösung: Nein, dann wird die Aussage falsch, wie folgendes Gegenbeispiel zeigt. Wir vergleichen l 2 = l 2 (N) und l 2 (R). Nach Vorlesung ist beannt, dass l 2 (N) separabel ist, während dies für l 2 (R) nicht gilt. Nach dem ersten Aufgabenteil sind diese beiden Räume also nicht isomorph. Damit wir tatsächlich ein Gegenbeispiel gefunden haben, verbleibt der Nachweis, dass die Vetorraumdimension von l 2 (N) und l 2 (R) übereinstimmen. Wir beweisen dazu, dass die 5

6 Vetorraumdimension von l 2 (N) mit R = 2 ℵ übereinstimmt. Die Behauptung folgt dann daraus, dass die Vetorraumdimension von l 2 (R) natürlich eine geringere Mächtigeit hat, aber auch eine höhere. Letzteres sieht man wie folgt: l 2 (R) (R R) N = R N = (2 ℵ ) ℵ = {N {N {, }}} = {N N {, }} = 2 ℵ. Es genügt nun zu zeigen, dass ein linear unabhängiges System der Kardinalität 2 ℵ in l 2 (N) existiert. Konstruiere dazu eine Familie (N t ) t R von Teilmengen der natürlichen Zahlen, welche N t N t2 < falls t t 2 und N t = für t R erfüllt. Dies ann durch eine geometrische Konstrution über schiefe durch den Winel indizierte Steifen der Breite 2 in N N R 2 erfolgen. Nun wird durch x t := 2 n e n n N t eine entsprechende Familie linear unabhängiger Vetoren in l 2 (N) definiert. Entsprechende Literaturverweise zu diesem Thema sind: References [Blo] [Bud7] [Lac73] Meta. Update. Letzter Zugriff: url: wordpress.com/28/9//meta-update/. J. R. Buddenhagen. Classroom Notes: Subsets of a Countable Set. In: Amer. Math. Monthly 78.5 (97), pp issn: H. Elton Lacey. The Hamel dimension of any infinite dimensional separable Banach space is c. In: Amer. Math. Monthly 8 (973), p issn: [Pla] PlanetMath. Dimension Formulae for Vector Spaces. Version 22, letzter Zugriff: url: http : / / planetmath. org / encyclopedia / DimensionFormulaeForVectorSpaces.html. [Wi] Wiipedia. Mächtigeit. Letzter Zugriff: url: http : / / de. wiipedia.org/wii/m%c3%a4chtigeit_(mathemati). 2. Sei (K, d) ein ompater metrischer Raum. Mit C(K) sei die Menge der stetigen Fun- (4) tionen von K nach R bezeichnet. Es sei eine Folge (f n ) n N von Funtionen in C(K) gegeben, welche f n (x) f n+ (x) für alle x K und n N erfüllt. Zudem gelte, dass f n puntweise gegen eine stetige Funtion f onvergiere. Zeige, dass f n f gleichmäßig in K für n. Hinweis: Der Konsequenz halber ist auch bei dieser Aufgabe wieder Folgenompatheit zu verwenden. Lösung: Wir geben einen Beweis durch Widerspruch. Nehmen wir also an, die Folge würde nicht gleichmäßig in K onvergieren. Dann existiert ein ε > derart, dass für alle n N Elemente x n K existieren mit f(x n ) f n (x n ) > ε. Es gilt wegen Folgenompatheit nach Teilfolge, dass x n x K. Es gibt ein N N mit f(x) f n (x) < ε/4 für alle n N. Wegen Stetigeit und Monotonie gilt die Ungleichung f(x) f n (x) < ε/2 (n N) auf einer offenen Umgebung U von x. Wähle N groß genug, dass auch x n U für n N gilt. Damit haben wir den Widerspruch ε < f(x N ) f N (x N ) < ε 2. 6

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

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt.

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt. Potenzreihen Potenzreihen sind Funtionenreihen mit einer besonderen Gestalt. Definition. Ist (a ) eine Folge reeller (bzw. omplexer) Zahlen und x 0 R (bzw. z 0 C), dann heißt die Reihe a (x x 0 ) (bzw.

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

Satz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik

Satz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz im quadratischen Mittel - Hilberträume CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges 11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester

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

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus 4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F

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

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

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

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

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen

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

2. Normierte Räume und Hilberträume Normierte Räume.

2. Normierte Räume und Hilberträume Normierte Räume. 2 2. NORMIERTE RÄUME UND HILBERTRÄUME 2.. Normierte Räume. 2. Normierte Räume und Hilberträume Bemerung 2... Wir sagen, dass V ein K-Vetorraum sei, wenn V ein Vetorraum über R oder über C ist. Definition

Mehr

Konvergenz, Filter und der Satz von Tychonoff

Konvergenz, Filter und der Satz von Tychonoff Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

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

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

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

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 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Etwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann

Etwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i 3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen zur Linearen Algebra II Übungsklausur Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,

Mehr

Klausuren zur Vorlesung ANALYSIS I

Klausuren zur Vorlesung ANALYSIS I Fachbereich Mathemati und Informati der Philipps-Universität Marburg Klausuren zur Vorlesung ANALYSIS I Prof. Dr. C. Portenier unter Mitarbeit von A. Alldridge und R. Jäger Marburg, Wintersemester 00/0

Mehr

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien

Mehr

Topologische Aspekte: Eine kurze Zusammenfassung

Topologische Aspekte: Eine kurze Zusammenfassung Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,

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

k + k + 1 ( 1) k( k 2 + 2k + 1 k ) f)

k + k + 1 ( 1) k( k 2 + 2k + 1 k ) f) Prof. Dr. L. Schwachhöfer Dr. J. Horst Faultät Mathemati TU Dortmund Musterlösung zum 5. Übungsblatt zur Höheren Mathemati I (P/ET/AI/IT/IKT/MP WS 0/ Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz:

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

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

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

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

Zusammenfassung zur Konvergenz von Folgen

Zusammenfassung zur Konvergenz von Folgen Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

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

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

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

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

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C

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

Lineare Algebra II 9. Übungsblatt

Lineare Algebra II 9. Übungsblatt Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)

Mehr

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest.

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest. Analysis, Woche Zahlen A. Elementares Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest... Logische Symbole Seien A und B Aussagen. So eine Aussage ist zum Beispiel: Gras

Mehr

Funktionalanalysis I und II. Eine Zusammenfassung

Funktionalanalysis I und II. Eine Zusammenfassung Funktionalanalysis I und II Eine Zusammenfassung Kai Gehrs acrowley@mupad.de 16. Februar 2007 Zusammenfassung Der folgende Text soll einen groben Überblick über die grundlegenden Konzepte und Resultate

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Spickzettel Mathe C1

Spickzettel Mathe C1 Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine

Mehr

Analysis I - Einige Lösungen und Ergänzungen

Analysis I - Einige Lösungen und Ergänzungen Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis

Mehr

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R. Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

6 Komplexe Integration

6 Komplexe Integration 6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun

Mehr

Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester

Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................

Mehr

cos(kx) sin(nx)dx =?

cos(kx) sin(nx)dx =? 3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]

Mehr

1. Klausur. für bau immo tpbau

1. Klausur. für bau immo tpbau 1. Klausur Höhere Mathematik I/II für bau immo tpbau Wichtige Hinweise Die Bearbeitungszeit beträgt 120 Minuten. Verlangt und gewertet werden alle 6 Aufgaben. Bei Aufgabe 1 2 sind alle Lösungswege und

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

11. Übungsblatt zur Mathematik I für Maschinenbau

11. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 200/ 2.0.-28.0. Aufgabe G (Grenzwertberechnung)

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

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

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

Es geht nun um spezielle Folgen, deren Glieder durch Summation entstehen. Reihen gibt es spezielle Konvergenzkriterien. n k=1

Es geht nun um spezielle Folgen, deren Glieder durch Summation entstehen. Reihen gibt es spezielle Konvergenzkriterien. n k=1 Kapitel 3 Reihen Es geht nun um spezielle Folgen, deren Glieder durch Summation entstehen. Für diese Reihen gibt es spezielle Konvergenzriterien. 3. Definitionen, Beispiele, Sätze Definition 3.: (Reihen)

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

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

Ferienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren

Ferienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................

Mehr

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr. Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0 KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe

Mehr

55 Lokale Extrema unter Nebenbedingungen

55 Lokale Extrema unter Nebenbedingungen 55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :

Mehr

Lösungsvorschläge zum 14. Übungsblatt.

Lösungsvorschläge zum 14. Übungsblatt. Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine

Mehr

Mathematik für Naturwissenschaftler I WS 2009/2010

Mathematik für Naturwissenschaftler I WS 2009/2010 Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige

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

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

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016 Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

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

Funktionalanalysis. Vorlesungsskript Sommersemester Bernd Schmidt. Version vom 31. Juli 2012

Funktionalanalysis. Vorlesungsskript Sommersemester Bernd Schmidt. Version vom 31. Juli 2012 Funktionalanalysis Vorlesungsskript Sommersemester 2012 Bernd Schmidt Version vom 31. Juli 2012 Institut für Mathematik, Universität Augsburg, Universitätsstr. 14, 86135 Augsburg, bernd.schmidt@math.uni-augsburg.de

Mehr

KAPITEL 9. Funktionenreihen. 9.1 Taylor-Reihen Potenzreihen Methoden der Reihenentwicklung Anwendungen...

KAPITEL 9. Funktionenreihen. 9.1 Taylor-Reihen Potenzreihen Methoden der Reihenentwicklung Anwendungen... KAPITEL 9 Funtionenreihen 9. Taylor-Reihen.................................... 74 9.2 Potenzreihen..................................... 77 9.3 Methoden der Reihenentwiclung.......................... 90

Mehr

Formale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5.

Formale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5. Formale Sprachen Spezialgebiet für Komplexe Systeme Yimin Ge 5ahdvn Inhaltsverzeichnis 1 Grundlagen 1 2 Formale Grammatien 4 Endliche Automaten 5 4 Reguläre Sprachen 9 5 Anwendungen bei Abzählproblemen

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr