Analysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $
|
|
- Catharina Kohler
- vor 6 Jahren
- Abrufe
Transkript
1 $Id: masse.tex,v /10/31 15:48:07 hk Exp $ 2 Maßräume 2.2 Meßbare Abbildungen Der nächste Grundbegriff sind die meßbaren Abbildungen. Erinnern Sie sich daran das wir eigentlich einen Integralbegriff konstruieren wollen und Begriffe wie meßbare Mengen nur Schritte auf dem Weg dorthin sind. Die meßbaren Abbildungen werden die Kandidaten für die integrierbaren Funktionen sein, eine integrierbare Funktion wird eine meßbare Funktion sein, die eine gewisse Zusatzbedingung erfüllt. Wir führen den Begriff schon an dieser Stelle ein, da er zum einen auf der Ebene der Meßräume definiert ist, und zum anderen beim Aufbau der Theorie hilfreich ist. Definition 2.3 (Meßbare Funktionen) Seien (Ω 1, Σ 1 ) und (Ω 2, Σ 2 ) zwei Meßräume. Eine Abbildung f : Ω 1 Ω 2 heißt meßbar wenn für jede meßbare Menge A Σ 2 auch das Urbild f 1 (A) Σ 1 meßbar ist. Eine Abbildung ist also meßbar wenn Urbilder meßbarer Mengen wieder meßbar sind. Beachte die Analogie zur Stetigkeit, eine Abbildung f : M 1 M 2 zwischen metrischen Räumen war ja nach [Schütt, 4.3, Satz 28] genau dann stetig wenn die Urbilder offener Mengen wieder offen sind. Sprechen wir im Zusammenhang mit metrischen Räumen von meßbaren Abbildungen, so ist damit stets die Meßbarkeit bezüglich der jeweiligen Borelschen σ-algebren gemeint. Bevor wir zur Untersuchung meßbarer Abbildungen kommen, wollen wir noch eine kleine Anmerkung zur Notation machen. Die Meßbarkeit einer Abbildung f : Ω 1 Ω 2 hängt von den auf Ω 1 und Ω 2 betrachteten σ-algebren ab. Um diese hervorzuheben, sprechen wir auch von einer meßbaren Abbildung f : (Ω, Σ 1 ) (Ω 2, Σ 2 ), dies ist weiterhin einfach eine Abbildung von Ω 1 nach Ω 2, die Zusatzangaben machen nur explizit bezüglich welcher σ-algebren diese Abbildung meßbar ist. In der Literatur spricht man zu diesem Zweck oftmals auch von einer Σ 1 -Σ 2 -meßbaren Abbildung, diese etwas klumpige Notation wollen wir hier aber nicht verwenden. Wir listen zunächst einige unmittelbar einsichtige Eigenschaften meßbarer Abbildungen auf. Sei dazu (Ω i, Σ i ) für i = 1, 2, 3 ein Meßraum. Dann gelten: 1. Die identische Abbildung id M1 : (M 1, Σ 1 ) (M 1, Σ 1 ) ist meßbar, denn für jedes A Σ 1 gilt id 1 M 1 (A) = A Σ Jede konstante Abbildung f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) ist meßbar, denn für überhaupt jede Teilmenge A Ω 2 ist f 1 (A) {, Ω 1 } Σ
2 3. Sind f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) und g : (Ω 2, Σ 2 ) (Ω 3, Σ 3 ) meßbar, so ist auch die Hintereinanderausführung g f : (Ω 1, Σ 1 ) (Ω 3, Σ 3 ) meßbar. Ist nämlich A Σ 3, so ist zunächst g 1 (A) Σ 2 und damit auch (g f) 1 (A) = f 1 (g 1 (A)) Σ Ist A Ω 1, so ist die Inklusion i : (A, Σ 1 A) (Ω 1, Σ 1 ) meßbar denn für jedes B Σ 1 gilt i 1 (B) = A B Σ 1 A. 5. Sind f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) eine meßbare Abbildung und A Ω 1, so ist auch die Einschränkung f A : (A, Σ 1 A) (Ω 2, Σ 2 ) meßbar. Wir wissen schon das die Inklusion i : (A, Σ 1 A) (Ω 1, Σ 1 ) meßbar ist, und damit ist auch f A = f i meßbar. 6. Sind f : Ω 1 Ω 2 eine Abbildung und A Ω 2 mit f(ω 1 ) A, so ist f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) genau dann meßbar wenn f : (Ω 1, Σ 1 ) (A, Σ 2 A) meßbar ist. Dies ist klar denn für jede Teilmenge B Ω 2 gilt stets f 1 (B) = f 1 (A B). 7. Seien I eine abzählbare Menge und (A i ) i I ein Tupel meßbarer Mengen A i Σ 1 für i I mit Ω 1 = i I A i. Dann ist eine Abbildung f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) genau dann meßbar wenn f A i : (A i, Σ 1 A i ) (Ω 2, Σ 2 ) für jedes i I meßbar ist. Die Implikation von links nach rechts ist nach Aussage (5) dabei klar. Sei nun umgekehrt f A i für jedes i I als meßbar vorausgesetzt. Sei B Σ 2. Für jedes i I folgt dann mit Lemma 3.(b) stets f 1 (B) A i = (f A i ) 1 (B) Σ 1 A i Σ 1, und da I abzählbar ist, ist damit auch f 1 (B) = i I (f 1 (B) A i ) Σ 1. Wir können diese Aussagen dazu verwenden eine erste Beispielklasse meßbarer Funktionen einzuführen. Diese sehen zunächst nicht besonders spektakulär aus, werden sich aber als wichtig herausstellen. Definition 2.4 (Einfache Abbildungen) Seien (Ω 1, Σ 1 ) und (Ω 2, Σ 2 ) zwei Meßräume. Eine Funktion f : Ω 1 Ω 2 heißt einfach wenn ihr Bild f(ω 1 ) endlich ist und f 1 (y) Σ 1 für jedes y Ω 2 gilt. Weiter bezeichne T (Ω, Σ 1 ; Ω 2 ) die Menge aller einfachen Abbildungen f : Ω 1 Ω 2. Beachte das jede einfache Abbildung f : (Ω 1, Σ 1 ) (Ω 2, Σ 2 ) meßbar ist. Denn das Bild I := f(ω 1 ) Ω 2 ist endlich, es gilt Ω 1 = y Y f 1 (y) und für jedes y Y sind f 1 (y) Σ 1 und f f 1 (y) ist konstant also insbesondere meßbar. Damit ist auch f meßbar. In Wahrheit kennen wir noch eine weitere grosse Beispielklasse meßbarer Funktionen, wir wollen einsehen das jede stetige Abbildung zwischen metrischen Räumen auch meßbar ist. Eine kleine Umformulierung der Meßbarkeitsdefinition ist hierzu hilfreich. Seien Ω, Ω zwei Mengen und f : Ω Ω eine Abbildung. Ist dann Σ eine σ-algebra auf Ω, so können wir über f auch die σ-algebra f (Σ) := {A Ω f 1 (A) Σ} 3-2
3 auf Ω definieren. Dies ist tatsächlich eine σ-algebra. Zunächst ist wegen f 1 ( ) = Σ auch f (Σ). Ist A f (Σ), also f 1 (A) Σ, so ist auch f 1 (Ω \A) = Ω\f 1 (A) Σ, also Ω \A f (Σ). Ist schließlich (A n ) n N eine Folge in f (Σ), also f 1 (A n ) Σ für jedes n N, so ist auch f 1 ( n=0 A n) = n=0 f 1 (A n ) Σ, also n=0 A n f (Σ). Direkt nach Definition der Meßbarkeit ist f : (Ω, Σ) (Ω, f (Σ)) meßbar. In der Tat ist f (Σ) die größte σ-algebra auf Ω für die f meßbar ist, d.h. ist Σ eine beliebige σ-algebra auf Ω, so gilt f : (Ω, Σ) (Ω, Σ ) ist meßbar Σ f (Σ). Über die Abbildung f können wir also eine σ-algebra von Ω auf Ω übertragen. Hiermit können wir jetzt das folgende Lemma beweisen: Lemma 2.4: Sei (Ω, Σ) ein Meßraum. (a) Seien Ω eine weitere Menge, f : Ω Ω eine Abbildung und Λ P(Ω ) eine Menge von Teilmengen von Ω. Dann ist f : (Ω, Σ) (Ω, σ(λ)) genau dann meßbar wenn für jedes A Λ stets f 1 (A) Σ gilt. (b) Ist M ein metrischer Raum, so ist eine Abbildung f : (Ω, Σ) (M, B(M)) genau dann meßbar wenn f 1 (U) Σ für jede offene Menge U M gilt. (c) Eine Abbildung f : (Ω, Σ) (R, B(R)) ist genau dann meßbar wenn die Menge {x Ω f(x) < c} Σ für jedes c R meßbar ist. (d) Eine Abbildung f : (Ω, Σ) (R, B(R)) ist genau dann meßbar wenn die Menge {x Ω f(x) < c} Σ für jedes c R meßbar ist. Beweis: (a) Genau dann ist f 1 (A) Σ für jedes A Λ wenn Λ f (Σ) gilt, und da f (Σ) eine σ-algebra auf Ω ist, ist dies weiter zu σ(λ) f (Σ) gleichwertig. Letzteres bedeutet aber genau die Meßbarkeit von f : (Ω, Σ) (Ω, σ(λ)). (b) Klar nach (a) da die Borelalgebra B(M) definitionsgemäß von den offenen Teilmengen von M erzeugt wird. (c) Wie schon früher gesehen gilt B(R) = σ({(, c) c R}), und da für jedes c R stets f 1 ((, c)) = {x Ω f(x) < c} ist, ist auch diese Aussage eine Folgerung aus (a). (d) Analog zu (c) unter Verwendung von Aufgabe (1.c). Teil (a) dieses Lemmas besagt das es zum Nachweis der Meßbarkeit einer Funktion ausreicht die Urbilder von Erzeugern der σ-algebra zu betrachten, da diese im Gegensatz 3-3
4 zu den Elementen von σ(λ) meist explizit gegeben sind, ist dies ein enormer Fortschritt. Insbesondere erhalten wir die angekündigte Aussage über stetige Abbildungen. Satz 2.5 (Stetigkeit impliziert Meßbarkeit) Seien M, N zwei metrische Räume und f : M N eine stetige Abbildung. Dann ist f : (M, B(M)) (N, B(N)) auch meßbar. Beweis: Klar nach [Schütt, 4.3, Satz 28] und Lemma 4.(b). Es gibt noch eine weitere Grundkonstruktion für Meßräume die wir nun einführen wollen, die Bildung von Produkträumen. Wir werden meist nur Bedarf für Produkte von zwei, oder höchstens endlich vielen, Faktoren haben, die Definition ist aber problemlos für völlig beliebige, sogar überabzählbare, Indexmengen möglich. Erinnern sie sich zunächst an die mengentheoretische Definition des cartesischen Produkts, dort hat man eine durch eine Indexmenge I indizierte Familie (M i ) i I von Mengen, und das cartesische Produkt i I M i ist die Menge aller auf I definierten Funktionen x mit x i M i für jedes i I, man schreibt die Elemente dann typischerweise als Tupel (x i ) i I. Für jeden Index i I definiert die Auswertung in i eine Abbildung pr i : j I M j M i ; x x i, genannt die Projektion auf die i-te Komponente. Ist M eine weitere Menge und ist für jedes i I eine Abbildung f i : M M i gegeben, so kann man eine Abbildung f := (f i ) i I : M i I M i ; x (f i (x)) i I definieren, man nennt f i für i I dann die i-te Komponente von f, explizit ist f i = pr i f. Mit diesen Bezeichnungen ergibt sich der folgende Satz über Produkte von Meßräumen. Satz 2.6 (Produkte von Meßräumen) Sei (Ω i, Σ i ) i I eine Familie von Meßräumen. Schreibe Ω := i I Ω i und für jedes i I bezeichne pr i : Ω Ω i die Projektion. Die σ-algebra Σ := i I Σ i := σ({pr 1 i (A) i I, A Σ i }) auf Ω heißt das Produkt der σ-algebren (Σ i ) i I und (Ω i, Σ i ) := (Ω, Σ) i I heißt der Produktmeßraum der Familie (Ω i, Σ i ) i I. Dabei ist Σ die kleinste σ-algebra auf Ω für die alle Projektionen pr i : (Ω, Σ) (Ω i, Σ i ) für alle i I meßbar sind. Ist 3-4
5 (Ω, Σ ) ein weiterer Meßraum und ist f i : Ω Ω i für jedes i I eine Abbildung, so ist f := (f i ) i I : Ω Ω; x (f i (x)) i I genau dann meßbar wenn f i : Ω Ω i für jedes i I meßbar ist. Beweis: Ist Σ eine σ-algebra auf Ω, so sind genau dann alle Projektionen pr i : (Ω, Σ ) (Ω i, Σ i ) für i I meßbar wenn {pr 1 i (A) i I, A Σ i } Σ gilt, und dies ist genau dann der Fall wenn Σ Σ gilt. Damit ist die erste Aussage bewiesen. Wir kommen zur zweiten Aussage. Ist f : (Ω, Σ ) (Ω, Σ) meßbar, so ist für jedes i I auch f i = pr i f : (Ω, Σ ) (Ω i, Σ i ) meßbar. Nun sei dies umgekehrt vorausgesetzt. Sind dann i I und A Σ i, so ist f 1 (pr 1 i (A)) = (pr i f) 1 (A) = (A) Σ, also ist f : (Ω, Σ ) (Ω, Σ) nach Lemma 4.(a) meßbar. f 1 i Wollen wir eine entsprechende Aussage für die Borelschen σ-algebren metrischer Räume beweisen, so kommen einige neue Schwierigkeiten hinzu. Zum einen ist ein beliebiges Produkt metrischer Räume kein metrischer Raum mehr. Für abzählbare Produkte kann man noch eine Produktmetrik konstruieren, aber wir wollen uns hier auf den einfachen Fall zweier Faktoren beschränken, dies wird für unsere Zwecke ausreichen. Seien also (M i, d i ) für i = 1, 2 zwei metrische Räume. Auf dem Produkt M := M 1 M 2 können wir dann die Metrik d((x, y), (x, y )) := max{d 1 (x, x ), d 2 (y, y )} für x, x M 1, y, y M 2 einführen. Leider ist im allgemeinen B(M 1 M 2 ) B(M 1 ) B(M 2 ). Es gibt aber einen guten Fall in dem diese Identität doch gilt, nämlich wenn M 1 und M 2 separabel sind. Dabei wurde ein metrischer Raum separabel genannt wenn er eine abzählbare, dichte Teilmenge besitzt. Sind M 1, M 2 zwei separable metrische Räume, so ist tatsächlich B(M 1 M 2 ) = B(M 1 ) B(M 2 ). Dies alles zu beweisen wird eine Übungsaufgabe sein. Wir wenden dies nun speziell auf die reellen Zahlen an. Seien n, m N mit n, m 1 gegeben. Als Metrik des R n beziehungsweise R m verwenden wir die durch die Norm gegebene Metrik. Die Produktmetrik auf R n R m = R n+m ist dann wieder durch die Norm gegeben, also gilt Insbesondere ist B(R n+m ) = B(R n ) B(R m ). (R n, B(R n )) = n (R, B(R)), und nach Satz 6 ist eine Funktion f : (Ω, Σ) (R n, B(R n )) genau dann meßbar wenn sämtliche Komponenten f i : (Ω, Σ) (R, B(R)) für 1 i n meßbar sind. Interpretieren wir C = R 2, so folgt auch das eine Abbildung f : (Ω, Σ) (C, B(C)) genau dann meßbar ist wenn Real- und Imaginärteil Re f, Im f : (Ω, Σ) (R, B(R)) meßbar 3-5 i=1
6 sind. Damit können wir auch die arithmetischen Eigenschaften meßbarer Funktionen nachweisen. Lemma 2.7 (Summen und Produkte meßbarer Funktionen) Seien (Ω, Σ) ein Meßraum, K {R, C} und n N mit n 1. (a) Sind f, g : (Ω, Σ) (K n, B(K n )) meßbar, so ist auch die Summe f +g : (Ω, Σ) (K n, B(K n )) meßbar. (b) Sind f : (Ω, Σ) (K, B(K)) und g : (Ω, Σ) (K n, B(K n )) meßbar, so ist auch f g : (Ω, Σ) (K n, B(K n )) meßbar. (c) Die Menge L(Ω, Σ; K n ) := {f : (Ω, Σ) (K n, B(K n )) f ist meßbar} ist ein Untervektorraum von K Ω. Beweis: (a) Wegen B(K 2n ) = B(K n ) B(K n ) ist nach Satz 6 auch (f, g) : (Ω, Σ) (K 2n, B(K 2n )) meßbar. Da die Addition + : K 2n K n stetig ist, ist sie nach Satz 5 auch meßbar, und somit ist auch f + g = + (f, g) meßbar. (b) Analog zu (a). (c) Klar nach (a,b). 3-6
7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
MehrMaße auf Produkträumen
Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge
MehrIm 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
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie
MehrKonvergenz, 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.
Mehrx, 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,
MehrEtwas 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
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
Mehr1 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$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
Mehr1 Elemente der Wahrscheinlichkeitstheorie
H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen
MehrTopologische 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(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
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrLehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002
Mehr1 Modulare Arithmetik
$Id: modul.tex,v 1.11 2012/04/16 19:15:39 hk Exp $ $Id: gruppen.tex,v 1.11 2012/04/17 10:30:56 hk Exp $ 1 Modulare Arithmetik 1.3 Restklassen Wir waren gerade damit beschäftigt eine Beispiele zum Rechnen
MehrTopologische 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
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr2 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:
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
MehrMathematik III. Produkt-Präringe
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 66 Es ist unser Ziel zu zeigen, dass auf der Produktmenge von Maßräumen unter recht allgemeinen Voraussetzungen ein Maß definiert ist,
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
Mehr6 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
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrAnalysis 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
MehrTopologische 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
Mehri=1 i=1,...,n x K f(x).
2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,
MehrZahlen 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,...} bzw. N 0 = {0, 1, 2,
MehrKapitel 19. Das Lebesgue Maß σ Algebren und Maße
Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrÜbungen 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
MehrMathematik 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
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
Mehr3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.
3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
Mehr1 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
Mehr3 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,
MehrLösungsvorschlag 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
Mehr4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2
4.1 Definition Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn xfy 1 xfy 2 = y 1 = y 2 Y heißt Zielbereich oder Zielmenge von f. Statt (x, y) f oder xfy schreibt man y = f(x). Vollständige
MehrDIE SPRACHE DER WAHRSCHEINLICHKEITEN
KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage
Mehr1 Modulare Arithmetik
$Id: modul.tex,v 1.10 2012/04/12 12:24:19 hk Exp $ 1 Modulare Arithmetik 1.2 Euklidischer Algorithmus Am Ende der letzten Sitzung hatten wir den größten gemeinsamen Teiler zweier ganzer Zahlen a und b
MehrLineare 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
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
MehrLineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund
Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer
Mehralso 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
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
MehrDer 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
MehrEuklidische 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
Mehr1 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
MehrExkurs: 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
MehrKapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen
Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich
MehrSkript zur Vorlesung Topologie I
Skript zur Vorlesung Topologie I Carsten Lange, Heike Siebert Richard-Sebastian Kroll Faszikel 1 Fehler und Kommentare bitte an clange@math.fu-berlin.de Stand: 15. Juni 2010 Fachbereich Mathematik und
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr2 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,
Mehr1 Funktionen. 1.1 Definitionen und Bezeichnungen
1 1 Funktionen 1.1 Definitionen und Bezeichnungen Eine Funktion f ist eine eindeutige Abbildung einer Menge X in eine andere Y. Ist x X, dann ist f(x) y Y das Bild des Elementes x. x heißt das Urbild des
MehrVorlesung. 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.
MehrVorkurs Mathematik Abbildungen
Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrLjapunov Exponenten. Reiner Lauterbach
Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie
MehrJeweils 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.
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrKapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL
Kapitel 16 SAT VON FUBINI UND DIE TRANSFORMATIONSFORMEL Im folgenden sind X und Y metrische Räume, oder allgemeiner topologische Hausdor räume, und sind Radon-Integrale auf X bzw. Y. Fassung vom 24. Januar
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
Mehr1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale
Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
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
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,
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
MehrFraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:
Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,
MehrAbsolute 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
MehrStetigkeit. 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
Mehr4. 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
MehrKapitel 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
Mehr3 Vektorbündel und das Tangentialbündel
$Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung
MehrKonvergenz 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
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
MehrDer 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
MehrTechnische 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
MehrÜbungen zur Wahrscheinlichkeitstheorie und Statistik
Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils
MehrVorlesung. Komplexe Zahlen
Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems
MehrU. Rausch, 2010 Potenzrechnung 1
U. Rausch, 2010 Potenzrechnung 1 Potenzrechnung 1 Schreibweise und Potenzrechenregeln Unter einer Potenz versteht man ein Symbol der Form a x, gesprochen a hoch x, wobei a und x (reelle) Zahlen sind. Dabei
MehrZahlen 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
MehrDas Banach-Tarski-Paradox
Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R
MehrÜbungen 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
Mehr1.1 Mengen und Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
MehrSatz 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.
MehrLösungen zu Aufgabenblatt 7P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
Mehr1 Mengen und Aussagen
$Id: mengen.tex,v 1.2 2010/10/25 13:57:01 hk Exp hk $ 1 Mengen und Aussagen Der wichtigste Grundbegriff der Mathematik ist der Begriff einer Menge, und wir wollen damit beginnen die klassische, 1878 von
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrHalbgruppen, Gruppen, Ringe
Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die
Mehr