Serie 11 Lösungsvorschläge
|
|
- Dominic Bruhn
- vor 6 Jahren
- Abrufe
Transkript
1 D-Math Mass und Integral FS 204 Prof. Dr. D. A. Salamon Serie Lösungsvorschläge. Sei X := [0, ], 2 X orel σ-algebra und λ : [0, ] die Restriktion des Lebesguemasses auf (d.h., λ = m ). Sei µ : [0, ] das Zählmass. Zeigen Sie: λ µ und f : X [0, ] orel-messbar, so dass λ() = f dµ,. em.: Damit sehen wir, dass auf die edingung im Satz von Radon-Nikodým, dass die beiden Masse σ-endlich sind, nicht verzichtet werden kann. Wir erinnern, dass ein Mass λ genau dann absolut stetig bzgl. eines anderen Masses µ ist (λ µ), wenn µ(a) = 0 λ(a) = 0, A A gilt. Dies ist hier offensichtlich der Fall: also ist λ µ. µ(a) = 0 A = λ(a) = 0, Wir zeigen die ehauptung, indem wir die gegenteilige Annahme auf einen Widerspruch führen. Angenommen es gäbe eine orel-messbare Funktion f : [0, ] [0, ] so dass λ() = f dµ,. Dann folgt daraus = λ([0, ]) itte wenden!
2 λ() = f dµ = sup s f s Trp-fkt s dµ = strp-fkt{ sup f(α i )µ(s (α i ) )} s f i N Da X das Einheitsintervall ist, kann der letzte Ausdruck nur dann für alle endlich (und insbesondere kleiner ) sein, wenn f bis auf eine µ-nullmenge gleich der Nullfunktion ist. Da die einzige µ-nullmenge ist, heisst das sogar f! 0. Dann kann aber nicht λ() = f dµ, sein, also Widerspruch! Es gibt somit kein solches f. 2. Sei (X, A, µ) ein Massraum und µ σ-endlich. Sei λ : A [0, ] ein Mass. Zeigen Sie: λ(a) = sup E A µ(e)< λ(a E), A A. Es gilt per Def.: Damit ist µ σ-endlich : X i A, i N so dass X = X i und X i X i+, µ(x i ) <, i N i= λ(a) = lim i λ(a X i ) = sup λ(a E), A A. E A µ(e)< Siehe nächstes latt!
3 3. Sei (X, A) ein messbarer Raum. Finden Sie ein eispiel zweier Masse λ, µ und zweier Funktionen f, g auf X, so dass λ(a) = f dµ = g dµ, A A, aber A A f g. Sei X und A := {, X}. Wir betrachten die zwei Masse µ und λ mit µ(x) = λ(x) =, µ( ) = λ( ) = 0, und die beiden Funktionen f, g mit f(x) := und g(x) := 2, x X. Dann ist λ(a) = f dµ = g dµ für alle A A erfüllt, wie man direkt sieht. Hingegen ist A A nach Def. der Funktionen f g. 4. Sei X := [0, ), 2 X orelsche σ-algebra und λ: [0, ] die Restriktion des Lebesguemasses auf. Seien zwei weitere Masse definiert durch µ () := x dλ,. Zeigen Sie: µ 2 () := a) µ und µ 2 sind endliche Masse. b) µ λ und µ 2 λ. c) µ µ 2 und µ 2 µ. d) λ µ und λ µ 2. [, ) [n,n+) x 2 dλ, itte wenden!
4 a) Die Endlichkeit der beiden Funktionen erhalten wir direkt durch µ (X) = µ ([0, )) := = 2 2n + = 2 ( n=3 µ 2 (X) = µ 2 ([0, )) := = 2 ( 2 [0, ) [n,n+) 2n + + x dλ = n=3 2n + ) 2n + ) 2 ( n 2 }{{} [0, ) [, ) x 2 dλ = = π2 6 geom.reihe n+ n x 2 dλ =. x dλ ) <. Also sind die beiden Masse endlich. b) : λ() = 0 x dλ = 0, n N c) : µ () = 0 : [n,n+] µ () = 0. λ() = 0 x 2 dλ = 0 [, ) µ 2 () = 0. [n,n+) [n,n+) x dλ = 0, x dλ = 0 n N (alle Reihenglieder sind nach Vorauss. nichtnegativ) x dλ = 0 [, ) Siehe nächstes latt!
5 x 2 dλ = 0 [, ) (beachte: 0 /x 2 /x, x [, )) : µ 2 () = 0. d) Um dies zu sehen, betrachte man [0, ). Dann ist λ([0, )) = und wegen und µ ([0, )) = µ 2 ([0, )) = [0,) [n,n+) x dλ = 0 x 2 dλ = 0 [0,) [, ) haben wir sowohl µ () = 0 λ() = 0 als auch µ 2 () = 0 λ() = Sei X := [, ), 2 X, orel σ-algebra und µ: [0, ) die Restriktion des Lebesguemasses auf. Sei f : X [0, ) orel-messbar und sei λ() := f dµ, mit λ µ. Wir bezeichnen α := {αb b }, α R. Zeigen Sie: Gilt λ() = αλ(α),, α, dann gibt es ein c 0, so dass f(x) = c x 2, f.ü.. Sei x, x := {xb b } und. Nach Voraussetzung gilt λ() = xλ(x) itte wenden!
6 = x f dµ, und x λ() = f dµ für ein f : X [0, ), also f dµ = x f dµ. x etrachten wir in dieser Gleichheit speziell := [, y], y, dann folgt y f(t) dt = x xy F (y) F () }{{} =0 f(y) = x 2 f(xy), f(xy) = f(y) x 2 x f(t) dt = x(f (xy) F (x)), Abl. nach y f() f(x) = = c y:= x 2 x, f.ü., 2 HS d. Diff.- u. Integralrechn. wobei c := f() die gesuchte Konstante ist. 6. a) Sei (R,, λ) mit 2 X orelsche σ-algebra und λ = m : X [0, ] die Restriktion des Lebesguemasses auf. Zeigen Sie:, 0 < c < λ() A, A, so dass λ(a) = c. b) Sei (R,, µ) für ein Mass µ: X [0, ], 2 X orelsche σ-algebra und sei λ = m die Restriktion des Lebesguemasses auf. Zeigen Sie: c > 0 : (λ() = c µ() = c, ) µ λ. Siehe nächstes latt!
7 a) Sei. Fall beschränkt: Dann ist [a, b] für irgendwelche a, b R mit b > a. Wir betrachten die Intervalle [a, t], a < t < b und die Masse µ( [a, t]), für a < t < b. Wegen lim µ( [a, t]) = µ(), lim µ( [a, t]) = 0 und der Monotonie des t b t a Masses gilt a < t < b 0 < µ( [a, t]) < µ(). Wir müssen zeigen, dass µ( [a, t]) stetig von t abhängt. Dazu zeigen wir, dass µ( [a, t]) Lipschitz-stetig ist, d.h., dass es ein L gibt mit µ( [0, t]) µ( [0, s]) L t s, s, t, mit a < s, t < b, woraus dann die Stetigkeit folgt. Sei 0 s, t b und s t, da sonst trivialerweise erfüllt. Sei oda s < t. Dann ist µ( [a, t]) µ( [a, s]) = µ( [s, t]) µ([s, t]) = t s < b a =: L. Fall nicht beschränkt: Dann ist lim t µ( [ t.t]) = µ() und mit analogem Argument kann gezeigt werden, dass µ( [ t.t]) stetig von t abhängt. b) Wir erhalten für alle : und weiter λ() = 0 λ( c ) = a) c > 0 A, A c R: c = λ(a) µ(a) = c λ(a ) = λ(a) + λ() = c + 0 = c Also wieder aufgrund der Voraussetzung Damit ist µ λ. µ(a) + µ() = c µ() = 0. da A =. da µ(a) = λ(a) = c.
Serie 2 Lösungsvorschläge
D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen
MehrLösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried
Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,
MehrAufgaben zu Kapitel 0
Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.
MehrA. Maß- und Integrationstheorie
A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei
MehrFerienkurs in Maß- und Integrationstheorie
Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) http://www.ma.tum.de/hm/ma9204
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
MehrScheinklausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:
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
MehrMeßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :
24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar
MehrSerie 13 Lösungsvorschläge
D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter
Mehr2 Allgemeine Integrationstheorie
2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns
MehrLösungsvorschläge für das 5. Übungsblatt
Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrFinanzmathematik I Lösungvorschläge für Übungsblatt 1
Finanzmathematik I Lösungvorschläge für Übungsblatt 1 J. Widenmann ufgabe 1: Zu zeigen ist, dass Q die Definition Ü.1.1.2 erfüllt. Zunächst bemerken wir, dass Q wegen der nnahme f 0 Werte in R + annimmt.
MehrMusterlösung Analysis 3 - Maßtherorie
Musterlösung Analysis 3 - Maßtherorie 10. März 2011 Aufgabe 1: Zum Aufwärmen (i) Zeige, dass die Mengensysteme {, X} und P(X) σ-algebren sind. Es sind jeweils nur die Charakteristika nachzuweisen. (1)
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
Mehr6 Räume integrierbarer Funktionen
$Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)
MehrMetrische äußere Maße, Borel-Maße
Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß
MehrMaßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006
Maßtheorie Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2005 und Wintersemester 2005/2006 1 1 Grundbegriffe der Maßtheorie Ziel: Konstruktion von Maßzahlen (wie z. B. Länge / Fläche
Mehr2. Integration. {x : f(x) <a+ 1 n }
9 2.1. Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
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,
Mehr7 Bedingte Erwartungswerte und Bedingte Verteilungen
7 edingte Erwartungswerte und edingte Verteilungen Sei (Ω,, P ein W Raum, (Ω, ein Messraum, Y : Ω Ω sei (, -messbar und nehme die Werte y 1,..., y n Ω an. Y 1 (y k {ω Ω Y (ω y k } : k Ω 1 + + n und σ(y
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
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 3/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge
Mehr1 falls x 2. falls x = 1 und. 0 falls x > 1. eine Lebesgue-integrierbare Majorante. Somit können wir den Satz von Lebesgue anwenden:
Lösungsvorschläge zur Klausur 045 Maß- und Integrationstheorie WS 205/6 Lösungsvorschlag zu Aufgabe Sei f n der Integrant 0 falls x > 2 und f n x) falls x 2. 3+sin 2n)+x x 4n Sein punktweiser Grenzwert
Mehr15 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
Mehr1.3 Zufallsvariablen
1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P
MehrAnalysis III. Vorlesung 72. Korollar Es sei (M,A,µ) ein σ-endlicher Maßraum und v: M R n eine messbare Abbildung. Dann ist die Abbildung
Prof. Dr. H. Brenner Osnabrück WS 15/16 Analysis III Vorlesung 7 Korollar 7.1. Es sei (,A,µ) ein σ-endlicher aßraum und v: R n eine messbare Abbildung. Dann ist die Abbildung bijektiv und maßtreu. ϕ v
MehrMathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck
Mehr9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben
9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren
MehrBeweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.
Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf
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,
MehrAnalysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis
Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 2 Kapitel 3 Integrationstheorie Vorlesungsausarbeitung zum SS 2001 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Maßtheorie
MehrINTEGRATIONSTHEORIE. Wolfgang Hackenbroch
INTEGRATIONSTHEORIE Wolfgang Hackenbroch VORWORT Dies ist die Ausarbeitung einer zweistündigen Begleitvorlesung zur Einführung in die Wahrscheinlichkeitstheorie, wie ich sie in den letzten Jahren wiederholt
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................
MehrÜbersicht Wahrscheinlichkeitsheorie
Übersicht Wahrscheinlichkeitsheorie Gunther Leobacher und Friedrich Pillichshammer Universität Linz, Institut für Finanzmathematik, Altenbergerstrasse 69, 4040 Linz, Austria E-mail: gunther.leobacher@jku.at,
MehrAnalysis 3 - Klausur - Lösung
Wintersemester 23/24, Universität Bonn Analysis 3 - Klausur - Lösung Aufgabe : Sigma-Algebren (4+6 Punkte) a) Sei X eine Menge. Sei F = {{} : X}. Bestimmen Sie σ(f). b) Sei X eine Menge, Sei S P(X). Zeigen
MehrErwartungswert als Integral
Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral
MehrWahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen
Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei
Mehr4.2 Grenzwerte und Stetigkeit reeller Funktionen
4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrIV.10 Aufgaben 281. (b) Zeige, dass die Menge aller positiven reellen Zahlen, die in ihrer Dezimaldarstellung
IV.10 Aufgaben 281 Zufallsvariable X einen Wahrscheinlichkeitsraum zu bilden, auf dem zwei unabhängige Kopien von X mit derselben Verteilung wie X erklärt sind, nämlich (R 2, B o (R 2 ), P X P Y )mitx
MehrAnalysis III. Vorlesung 69. Integrierbare Funktionen
Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 69 Integrierbare Funktionen Wir führen nun das Lebesgue-Integral für messbare Funktionen auf einem aßraum ein. Dieser Integralbegriff
MehrÜBUNGSBLATT 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
MehrDarstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012
Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz
MehrHöhere 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
MehrSpektraltheorie. 2. Übungsblatt - Lösungsvorschläge. (Elementare Aussagen über Spektrum & Resolventenfunktion)
4.4.8 PD Dr. Peer Kunstmann M.Sc. Michael Ullmann Spektraltheorie. Übungsblatt - Lösungsvorschläge Aufgabe Elementare Aussagen über Spektrum & Resolventenfunktion Seien X, X, Y, Y Banachräume und S, T
MehrWahrscheinlichkeitstheorie und Inferenz I
Wahrscheinlichkeitstheorie und Inferenz I Prof. Dr. Volker Schmid Wintersemester 05/6 Institut für Statistik Ludwig Maximilians Universität München Nach einer Vorlage von Prof. Dr. Torsten Hothorn (siehe
MehrAnalysis III - Bachelorversion
Analysis III - Bachelorversion Die Mitarbeiter von http://mitschriebwiki.nomeata.de/ 28. September 217 Inhaltsverzeichnis Inhaltsverzeichnis 2 I. Vorwort 5 I.1. Über dieses Skriptum..................................
MehrMaßtheorie. Wie interpretiert man Volumenmessung? Ziel :
23 Maßtheorie Ziel : Entwicklung allgemeiner Konzepte, die es gestatten, z.b. Volumina und Oberflächen von Körpern R 3 sinnvoll zu definieren und zu berechnen; sinnvoll soll heißen : für den Einheitswürfel
MehrSkript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich
Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,
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
MehrDas Lebesgue-Maß im R p
Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
MehrProseminar Mathematik. Ungleichungen I Betreuung: Natalia Grinberg. Karlsruher Institut für Technologie
Proseminar Mathematik Ungleichungen I 12.6.215 Betreuung: Natalia Grinberg Karlsruher Institut für Technologie Inhaltsverzeichnis 1 Young-Ungleichung 2 2 Hölder-Ungleichung 4 3 Minkowski-Ungleichung 5
MehrKlausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 24/25 Universität Karlsruhe 7. März 25 Priv-Doz. Dr. D. Kadelka Klausur zur Vorlesung Stochastik II Dauer: 9 Minuten Name: Vorname: Matrikelnummer: Diese Klausur
MehrMaß- und Wahrscheinlichkeitstheorie
Skript zur Vorlesung Maß- und Wahrscheinlichkeitstheorie Robert Hable Christina Schneider Paul Fink * Wintersemester 2014/15 LMU München Institut für Statistik * Originalfassung Kapitel 1-10: Robert Hable
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
MehrMaßtheorie. Sommersemester Joachim Hilgert
aßtheorie Sommersemester 2005 Joachim Hilgert Diese Ausarbeitung ist nicht korrekturgelesen und nur zum internen Gebrauch gedacht! Für Kommentare und Korrekturen bin ich dankbar. Vorschläge für Ergänzungen
Mehr1 Konvergenz im p ten Mittel
Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In
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
MehrÜbungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie
Dr. Christoph Luchsinger Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie Allgemeine Masse Herausgabe des Übungsblattes: Woche 13, Abgabe der Lösungen: Woche 14 (bis Freitag, 16.15 Uhr), Besprechung:
MehrAnalysis 4, Übungsblatt 1. Wird am 28. April 2000 besprochen
Analysis 4, Übungsblatt 1 Wird am 28. April 2000 besprochen 1. Man zeige, daß durch das Gleichungssystem x 2 y cos(uv) + z 2 = 0 x 2 + y 2 sin(uv) + 2z 2 = 2 xy sin(u) cos(v) + z = 0 die Variablen x, y,
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-
ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- und WAHRSCHEINLICHKEITSTHEORIE im SS 2014 Übung Maß- und Integrationstheorie (SS 2014) 1 Aufgabe 1 (σ-algebra)
MehrMaßtheorie für Partielle Differentialgleichungen
Maßtheorie für Partielle Differentialgleichungen Ben Schweizer TU Dortmund Material für das Sommersemester 2016 Version vom 9.8.2016 Inhaltsverzeichnis I. Allgemeine Maßtheorie 7 1. Maßräume 8 1.1. Definitionen
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrKurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser)
Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser) 13. Januar 2011 Inhaltsverzeichnis Vorwort..................................................
MehrERWARTUNGSWERT. ABSOLUT STETIGE VERTEILUNGEN
KAPITEL 11 EWATUNGSWET. ABSOLUT STETIGE VETEILUNGEN In diesem Kapitel werden wir den Begriff des Erwartungswertes einer reellen Zufallsvariablen bezüglich eines beliebigen Wahrscheinlichkeitsmasses definieren
MehrA U F G A B E N A N A L Y S I S. 11. Vorlesung Zeigen Sie, mit Hilfe der ɛ-δ -Sprache, daß die Funktion x, x 0, stetig bei x 0 = 5 ist.
A U F G A B E N A N A L Y S I S. Vorlesung. Zeigen Sie, mit Hilfe der ɛ-δ -Sprache, daß die Funktion, 0, stetig bei 0 = 5 ist. Lösung: Es sei 5 < ɛ. () Daraus folgt 5 ɛ < < 5 + ɛ () oder Folglich gilt
MehrKlausur zur Vorlesung Stochastik II
Institut für Stochastik WS 007/008 Universität Karlsruhe. 0. 008 r. B. Klar Klausur zur Vorlesung Stochastik II Muster-Lösung auer: 90 Minuten Name: Vorname: Matrikelnummer: iese Klausur hat bestanden,
Mehr3 Messbare Funktionen
3. Messbare Funktionen 1 3 Messbare Funktionen Sei (, A, µ) ein beliebiger Maßraum. Definition. ine Funktion f : R = [, + ] heißt messbar (bezüglich A), falls die Menge {f < c} = {x : f(x) < c} = f 1 ([,
MehrWahrscheinlichkeitstheorie
Wahrscheinlichkeitstheorie Skript 1 zur Vorlesung von Prof. Dr. Michael Kohler Wintersemester 2011/12 1 Dieses Skript basiert auf dem Exzerpt zur Vorlesung Wahrscheinlichkeitstheorie von Prof. Dr. Harro
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
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt
MehrMaßtheoretische Konzepte der Stochastik
Maßtheoretische Konzepte der Stochastik Sommersemester 2016 Mathias Trabs Universität Hamburg 17. November 2016 Inhaltsverzeichnis 1 Wozu brauchen wir Maßtheorie? in Beispiel. 2 2 σ-algebren und Maße 4
MehrMathematik III Vorlesung 5,
Mathematik III Vorlesung 5, 03.11.2006 Markus Nemetz November 2006 1 Vorbemerkung Prof. Panholzer hat die illustrierenden Beispiele aus der zur VO empfohlenen Lektüre gebracht - sie sind hier nicht angeführt.
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
Mehr1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A
1.1 Megesysteme Grudmege, 2 Potezmege, A 2 Megesystem Defiitio 1.1: a) A stabil ( stabil, \-stabil), we für A, B A auch A B A (A B A, A\B A). b) A heißt Halbrig, we i) A ii) A ist stabil iii) A, B A es
Mehr3 Das n-dimensionale Integral
3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst
MehrVERTEILUNGEN VON FUNKTIONEN EINER ZUFALLSVARIABLEN
KAPITEL 15 VETEILUNGEN VON FUNKTIONEN EINE ZUFALLSVAIABLEN In diesem Kapitel geht es darum, die Verteilungen für gewisse Funktionen von Zufallsvariablen zu bestimmen. Wir werden uns auf den Fall absolut
MehrEinführung in die Stochastik 6. Übungsblatt
Einführung in die Stochastik 6. Übungsblatt Fachbereich Mathematik SS M. Kohler 3. Mai A. Fromkorth D. Furer Gruppen und Hausübung Aufgabe (a) Die Wahrscheinlichkeit, dass eine S Bahn Verspätung hat, betrage.3.
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
MehrAnalysis II (FS 2015): MEHRFACHE INTEGRALE
Analysis II (FS 2015): MEHRFACHE INTEGRALE Dietmar A. Salamon ETH-Zürich 27. April 2015 Zusammenfassung Das Ziel dieses Manuskriptes ist es, das Riemannsche Integral einer Funktion von mehreren Variablen
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrMathematik IV für Physiker
Mathematik IV für Physiker Sommersemester 2015 Stefan Teufel Mathematisches Institut Uni Tübingen 13. Juli 2015 Diese vorläufige Version des Skriptums ist nur zum Gebrauch parallel zum Besuch der Vorlesung
MehrUniversität Ulm Abgabe: Mittwoch,
Universität Ulm Abgabe: Mittwoch, 8.5.23 Prof. Dr. W. Arendt Jochen Glück Sommersemester 23 Punktzahl: 36+4* Lösungen Halbgruppen und Evolutionsgleichungen: Blatt 2. Sei X ein Banachraum und (T (t)) t
MehrMaß & Integral de Gruyter Lehrbuch, Berlin 2015 ISBN:
Maß & Integral de Gruyter Lehrbuch, Berlin 205 ISBN: 978 3 03484 9 Lösungshandbuch René L. Schilling & Franziska Kühn Dresden, Januar 205 Diese Version: Februar 206 R.L. Schilling: Maß & Integral Dank.
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
Mehr3 Grenzwert und Stetigkeit 1
3 Grenzwert und Stetigkeit 3. Grenzwerte bei Funktionen In diesem Abschnitt gilt: I ist immer ein beliebiges Intervall, 0 I oder einer der Endpunkte. 3.. Definition Sei I Intervall, 0 IR und 0 I oder Endpunkt
Mehr2 Koordinatentransformationen
Mathematik für Ingenieure III, WS 9/ Mittwoch 8. $Id: transform.tex,v.8 //4 :9: hk Exp $ Koordinatentransformationen. Lineare Koordinatentransformationen Wir überlegen uns dies zunächst im Spezialfall
MehrGrundlagen Mengenlehre, Maßtheorie
Grundlagen Mengenlehre, Maßtheorie 12. März 2011 1 Grundlagen der Mengenlehre - Rechnen mit Mengen Im folgenden bezeichnen wir mit P(X) die Menge aller Teilmengen von X, die sogenannte Potenzmenge von
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
Mehr10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
Mehr