Klassische Differentialgeometrie

Größe: px
Ab Seite anzeigen:

Download "Klassische Differentialgeometrie"

Transkript

1 Klassische Differentialgeometrie Ausgewählte Themen Julius Lang Sommersemester 2017

2 Die Themen für diese Woche: 1. Bernstein-Polynome und Bernstein-Kurven 2. Approximation von Kurven durch Polygonzüge: Bogenlänge 3. Approximation geschlossener Kurven durch Polygonzüge: Totalkrümmung κ(c) und der Satz von Fenchel: κ(c) 2π

3 1. Thema: Bernstein-Polynome und Bezier-Kurven

4 Bernstein-Polynome Betrachte folgende Gleichung, welche für alle t R gilt: ( ( ) 1 = [(1 t) + t] n binom. n Form. n = )t k (1 t) n k n t k (1 t) n k k k k=0 }{{} b k n(t):= Definition Sei n N. Für 0 k n definieren wir das k-te Bernstein-Polynom vom Grad n als ( bk(t) n n = k ) t k (1 t) n k. (Für andere k setze bk n = 0.) Eigenschaften der Bernstein-Polynome 1. Partition der 1: Für n N ist n k=0 bn k(t) 1. (Das ist genau die binom. Formel ( )!) 2. Für t [0, 1] ist b n k(t) [0, 1] und b n k(t) = b n n k(1 t). 3. b n k : [0, 1] R hat sein einziges Maximum in t = k n. 4. Jedes Polynom vom Grad n lässt sich als Linearkombination der b n k schreiben. Anders ausgedrückt: {b n 0, b n 1,.., b n n} ist eine Basis für den Vektorraum der Polynome vom Grad n. ( )

5 Beispiele von Bernstein Polynomen n = 2 b n k (t) = ( n k ) t k (1 t) n k b0(t) 2 = (1 t) 2 b1(t) 2 = 2t(1 t) b2(t) 2 = t 2 n = 3 b0(t) 3 = (1 t) 3 b1(t) 3 = 3t(1 t) 2 b2(t) 3 = 3t 2 (1 t) b3(t) 3 = t 3 n = 4 b 4 0 = (1 t) 4 b 4 1 = 4t(1 t) 3 b 4 2 = 6t 2 (1 t) 2 b 4 3 = 4t 3 (1 t) b 4 4 = t 4

6 Eigenschaften der Bernstein-Polynome b n k(t) = ( ) n t k (1 t) n k k 1. Partition der 1: Für n N ist n k=0 bn k (t) Für t [0, 1] ist bk n(t) [0, 1] und bn k (t) = bn n k (1 t). 3. bk n : [0, 1] R hat sein einziges Maximum in t = k n. 4. Jedes Polynom vom Grad n lässt sich als Linearkombination der bk n schreiben. Anders ausgedrückt: {b0 n, bn 1,.., bn n } ist eine Basis für den Vektorraum der Polynome vom Grad n. Beweis: 1. binomische Formel von letzter Folie. 2. Für t [0, 1] und alle k = 0,.., n ist bk n (t) 0 (als Produkt nicht negativer Zahlen). Da n k=0 bn k (t) = 1 ist, gilt bn k (t) 1. Die andere Eigenschaft ist klar. 3. Suchen Extremwerte durch Nullstellen der Ableitung: (bk n) (t) = ( n) [ k kt k 1 (1 t) n k + ( 1)(n k)t k (1 t) n k 1] = ( n k) t k 1 (1 t) n k 1 [k(1 t) (n k)t]. Das ist = 0 nur wenn t = 0, 1 oder 0 = k(1 t) (n k)t = k nt, also t = k n. Da bk n(0) = 0 (außer wenn k = 0) und bn k (1) = 0 (außer wenn k = n) sind t = 0 und t = 1 (falls k / {0, n}) keine Maxima und der dritte Extrempunkt t = k muss ein Maximum sein. n Für k = 0, bzw k = n sind offensichtlich t = k n = 0, bzw. t = k n = 1 Maxima. 4. bk n(t) besteht nur aus Termen mit Exponenten k. Angenommen n k=0 λ kbk n (t) = 0. Vergleichen der Koeffizienten von t 0 liefert λ 0 = 0, für t 1 dann λ 1 = 0, usw.. Also sind bk n (t) n + 1 linear unabhängige Vektoren im n + 1-dim. Raum der Polynome vom Grad n, also eine Basis.

7 Rekursionseigenschaft der Bernstein-Polynome b n k (t) = ( n k ) t k (1 t) n k Die Bernstein-Polynome vom Grad n ergeben sich aus denen vom Grad n 1 mittels bk(t) n = tbk 1(t) n 1 + (1 t)b n 1 k (t) b 3 0 b 3 1 b 3 2 b 3 3 (1 t) t (1 t) t (1 t) t b 2 0 b 2 1 b 2 2 (1 t) t (1 t) t b 1 0 b 1 1 (1 t) b 0 0 = 1 Beweis: ( ) ( ) n 1 RS = t t k 1 (1 t) n 1 (k 1) n 1 + (1 t) t k (1 t) n 1 k k 1 k [( ) ( )] n 1 n 1 = + t k (1 t) n k = bk(t) n k 1 k }{{} =( k) n Rekursionsformel für bin. Koeff. t

8 Bezier-Kurven Definition Bezier-Kurve Zu Kontrollpunkten p 0,.., p m R n definieren wir die zugehörige Bezier-Kurve als Beispiele c : [0, 1] R n, c(t) = m bk m (t)p k. Für zwei Kontrollpunkte p 0, p 1 ist die Bezier-Kurve c(t) = (1 t)p 0 + tp 1. k=0 Für drei Kontrollpunkte p 0, p 1, p 2 ist die Bezier-Kurve c(t) = (1 t) 2 p 0 + 2t(1 t)p 1 + t 2 p 2 = (1 t) [(1 t)p 0 + tp 1] +t [(1 t)p 1 + tp 2] }{{}}{{} Bezierkurve zu p 0,p 1 Bezierkurven zu 2, 3 und 4 Kontrollpunkten (Wikipedia): Bezierkurve zu p 1,p 2

9 Rekursionseigenschaft von Bezier-Kurven c(t) = m k=0 b m k (t)p k Seien p 0,.., p m Kontrollpunkte. Fixiere t 0 [0, 1]. Wie findet man c(t 0)? Idee von letzter Folie: Zu p i, p i+1 bilde neuen Punkt pi 1 = (1 t 0)p i + t 0p i+1. Er liegt auf dem Geradenstück zwischen p i und p i+1. Wir haben nun neue Punkte p0, 1.., pm 1. 1 Wir wiederholen dies: pi 2 = (1 t 0)pi 1 + t 0pi+1 1 oder allgemein p j i = (1 t)p j 1 i + t 0p j 1 i+1. Behauptung: Der Punkt, der im letzen Schritt überbleibt, ist c(t 0), d.h. p m 0 = c(t 0). Beweis: Wiederholung (Rekursionseig. Bernsteinpoly.): bk n (t) = tbn 1 k 1 (t) + (1 t)bn 1 k (t) m m c(t 0) = bk m (t 0)p k = t 0b m 1 k 1 (t 0)p k + (1 t 0)b m 1 k (t 0)p k k=0 k=0 m 1 = b m 1 j (t 0)[(1 t 0)p j + t 0p j+1 }{{} j=0 =p j 1 m 2 0 = b m 2 j (t 0)pj 2 =.. = bj 0 (t 0)pj m = p0 m. j=0 j=0 ] (Umsortieren nach Summanden mit b m 1 ) j

10 Weitere Eigenschaften von Bezier-Kurven c(t) = m k=0 b m k (t)p k 1. Orientierungsumkehrung: Ist c die Bezier-Kurve zu p 0,.., p m, so ist c : t c(1 t) die Bezier-Kurve zu p m, p m 1,.., p 0. Beweis: Folgt aus bk n(1 t) = bn n k (t) (Eigenschaft 2 der Bernstein-Polynome). Denn: c(1 t) = m k=0 bm k (1 t)p k = m k=0 bm m k (t)p j:=m k k = m j=0 bm j (t)p m j. Das ist die Bezier-Kurve zu den Punkten p m, p m 1,.., p Randwerte : c(0) = p 0, c (0) = m(p 1 p 0) und c(1) = p m, c (1) = m(p m p m 1). Beweis: (a) c(0) = m k=0 bm k (0)p k = p 0, da b0 m(0) = 1 und bm k (0) = 0 für k 1. c (0) = m k=0 bm k (0)p k = m ( m ) k=0 k [kt k 1 (1 t) m k (m k)t k (1 t) m k 1 ] t=0 p k Nach Einsetzen von t = 0 bleiben nur zwei Terme (k = 1 und k = 0), daher c (0) = ( m 1) p1 mp 0 = m(p 1 p 0 ). (b) Sei c(t) = c(1 t) wie oben. Für die Werte bei t = 1 ist c(1) = c(0) = p m und nach Kettenregel c (1) = d dt t=1c(t) = d dt t=0c(1 t) = c(0) (a) = m(p m 1 p m) = m(p m p m 1 ).

11 Weitere Eigenschaften von Bezier-Kurven c(t) = m k=0 b m k (t)p k 3. Für t [0, 1] ist c(t) eine Konvexkombination von p 0,.., p m, d.h. es gibt λ 0,.., λ m [0, 1] mit i λ i = 1, s.d. c(t) = i λ ip i. Die Menge aller Konvexkombinationen einer Menge A R 2 nennt man konvexe Hülle conv(a). Hier sind λ i = b m i (t) die Bernstein-Polynome vom Grad m und wir wissen schon, dass b m i (t) [0, 1] und m i=0 bm i (t) = 1. Also ist tatsächlich c(t) conv(p 0,.., p m). 4. Das bilden der Bezier-Kurve c zu Kontrollpunkten p 0,.., p m ist affin invariant. Genauer: Sei F : R n R n, F (x) = Ax + v eine affine Abbildung. Dabei ist A R n n und v R n. F ist also Multiplikation mit Matrix A und Translation. Dann ist F (c(t)) die Bezier-Kurve zu Kontrollpunkten F (p 0),.., F (p m). Beweis: ( m ) m F (c(t)) = A bk m (t)p k + ( bk m (t)) b k=0 k=0 }{{ } =1 m m = bk m (t)(ap k + b) = bk m (t)f (p k) k=0 k=0 Das ist die Bezier-Kurve zu Kontrollpunkten F (p 0 ),.., F (p m)!

12 2. Thema: Approximation von geschlossener Kurven durch Polygonzüge: Bogenlänge

13 Approximation von Kurven durch Polygonzüge Definition Sei c : [a, b] R n eine C 1 -Kurve. 1. Eine Unterteilung des Intervalls [a, b] sind Punkte a = t 0 < t 1 <.. < t m = b. Die Länge des längsten Zwischenintervalls, also max m i=1 t i t i 1 heißt Feinheit. 2. Die Punkte P i = c(t i ), i = 0,.., m bilden einen Polygonzug in c, bestehend aus den Strecken P i 1 P i. 3. Die Länge eines solchen Polygonzugs ist L(P) = m i=1 P i P i 1. Approximation von c durch Polygonzüge Idee: Wenn wir Polygonzüge mit immer kleinerer Feinheit wählen, werden diese immer ähnlich zur Kurve c. Tatsächlich kann man die Bogenlänge durch die Polygonzüge approximieren: Satz 1: Für C 1 -Kurven c : [a, b] R n gilt: L(c) = sup L(P) P Polygonzug in c Links steht die normale Bogenlänge L(c) = b a c (t) dt, rechts die kleinste obere Schranke der Länge aller möglichen (endlichen) Polygonzüge in c.

14 Satz 1: Für C 1 -Kurven c : [a, b] R n gilt: L(c) = sup L(P) P Polygonzug in c Behauptung: Für jedes ɛ 0 > 0 existiert ein δ > 0, s.d. für alle Polygonzüge P in c mit Feinheit < δ gilt: L(c) L(P) < ɛ Beweis des Satzes unter Annahme der Behauptung: a.) Die Behauptung zeigt, dass es Polygonzüge gibt (nämlich mit kleiner Feinheit), deren Länge beliebig nahe an L(c) kommen. Daher ist L(P) L(c). sup P Polyg. in c b.) Ist P eine Verfeinerung von P (d.h. mit weiteren Punkten t i ), so ist L(P ) L(P), da nach Dreiecksungleichung c(t i ) c(t i 2 ) c(t i ) c(t i 1 ) + c(t i 1 ) c(t i 2 ) ist. Angenommen, es gibt einen Polygonzug P 0 in c mit L(P 0) > L(c). Wegen der Behauptung gibt es δ > 0, s.d. für jeden Polygonzug P mit Feinheit < δ gilt: L(c) L(P) < ɛ 0 := L(P 0) L(c). Nun gilt für jede Verfeinerung P 0 von P 0 mit Feinheit < δ einerseits L(P 0) L(c) L(P 0) L(c) = ɛ 0 und andererseits L(P 0) L(c) < ɛ 0. Dieser Widerspruch zeigt L(P) L(c), daher auch sup P L(P) L(c) und der Satz ist bewiesen. 2. Beweis der Behauptung: Sei ɛ 0 > 0. Schreibe c(t) = (c 1(t),.., c n(t)). Da c : [a, b] R n stetig auf einem Kompaktum ist, ist es sogar gleichmäßig stetig. Daher gibt zu jedem (noch beliebigem, wir wählen es später) ɛ > 0 ein δ > 0, s.d. t s < δ c (t) c (s) < ɛ. Insbesondere für j = 1,.., n t s < δ (c j (t) c j (s)) 2 (c 1(t) c 1(s)) (c n(t) c n(s)) 2 < ɛ 2. ( )

15 Suche δ, s.d. L(c) L(P) < ɛ 0 für alle P mit Feinheit < δ. Mittelwertsatz: Für C 1 -Funktion f : [a, b] R gibt es τ (a, b) mit f (τ) = f (b) f (a) b a. 3. Sei t 0,.., t k eine Unterteilung der Feinheit < δ. Wir wenden den MWS an auf die j-te Komponente auf dem i-ten Intervall c j : [t i 1, t i ] R und bekommen τj i (t i 1, t i ) mit c j (τ i j ) = c j(t i ) c j (t i 1 ) t i t i 1. Wir haben für jedes Intervall einen Vektor v i := (c 1(τ i 1),.., c n(τ i n)). Es ist c(t i ) c(t i 1 ) 2 = n n (c j (t i ) c j (t i 1 )) 2 = (t i t i 1 ) 2 c j (τj i ) 2 = (t i t i 1 ) 2 v i 2 j=1 Überprüfen, ob jeden solche Polygonzug (mit Feinheit < δ) L(c) L(P) < ɛ 0 erfüllt: ( m ) ti L(c) L(P) = c (s) ds c(t i ) c(t i 1 ) i=1 t i 1 m ti = c (s) c(t i) c(t i 1 ) i=1 t i 1 t i t i 1 ds m ti c (s) v i ds (Def. v i & Dreiecksungleichung) t i 1 i=1 j=1

16 Aus glm. Stetigkeit haben wir ( ): t s < δ c j (t) c j (s) ɛ. Letzte Folie: L(c) L(P) k ti i=1 c (s) v i ds t i 1 Für s (t i 1, t i ) ist τ i j s < δ (da P Feinheit < δ hat). Daher c j (s) c j (τ i j ) < ɛ. ( ) Die linke Seite sind (der Betrag der) Komponenten von c (s) v i für s (t i 1, t i ) und es ist ti Insgesamt ist also t i 1 c (s) v i ds ti L(c) L(P) nɛ t i 1 ɛ ɛ 2 ds = n(t i t i 1 )ɛ k (t i t i 1 ) = n(b a)ɛ i=1 Wir wollen L(c) L(P) < ɛ 0 und sind noch frei in der Wahl von ɛ. 1 Wir setzen ɛ = 2 ɛ0 und erhalten ein δ > 0, s.d. für jeden Polygonzug P mit n(b a) Feinheit < δ gilt: L(c) L(P) ɛ 0 2 < ɛ 0.

17 3. Thema: Approximation geschlossener Kurven durch Polygonzüge: Totalkrümmung κ(c)

18 Geschlossene Polygonzüge Wie zuvor die Bogelänge, wollen wir die Totalkrümmung κ(c) geschlossener Raumkurven c : I R 3 mit Polygonzügen berechnen. Definition 1. Ein geschlossener Polygonzug in einer geschlossenen Raumkurve c : [a, b] R 3 ist ein Tupel P = (a 1,.., a m) = (c(t 0),.., c(t m)) mit a t 1 <.. < t m < b und a i a i+1. Wir benutzen die Konvention a m+1 = a 1 und a m+1 a m = a 1 + (b a) a m. Die Seiten von P sind die Strecken a i a i Der Winkel ( von P an der ) Ecke a i ist α i = cos 1 ai a i 1,a i+1 a i a i a i 1 a i+1 a i [0, π]. 3. Der Totalwinkel eines Polygonzugs P ist κ(p) := m i=1 α i. Bemerkung: Die Winkel α i beschreiben, wie sehr P sich von einer Gerade unterscheidet: α i = 0 Bruch im Argument ist 1 a i 1, a i, a i+1 liegen in Reihenfolge auf Geraden. Bsp. Dreieck: Betrachte das Dreieck P = (a 1, a 2, a 3) mit Innenwinkeln β 1, β 2, β 3. In jedem Eckpunkt gilt α i = π β i. Da die Summe der Innenwinkel stets π beträgt, ist κ(p) = 3 i=1 α i = 3 i=1 (π β i) = 3π π = 2π.

19 Totalwinkel wächst bei Verfeinerung κ(p) = ( ) α i, α i = cos 1 ai a i 1,a i+1 a i a i a i 1 a i+1 a i Wir haben schon gesehen: Ist P ein Polygonzug, so ist L(P ) L(P) für jede Verfeinerung P von P. Selbiges gilt auch für den Totalwinkel: Lemma 1: Sei P = (a 1,.., a m) ein Polygonzug und P = (a 1,.., a k, b, a k+1,.., a m) eine Verfeinerung. Dann ist κ(p ) κ(p). Daher ist der Totalwinkel (beliebiger) Verfeinerungen von P mind. so groß wie der von P. Beweis: Seien α i die Winkel von P in a i, β i die von P, und β der Winkel von P in b. (vgl. Abbildung). Betrachte das Dreieck a k a k+1 b mit Winkeln γ k, γ k+1 in Ecken a k, a k+1. Aus dem Winkelsummensatz folgt β = γ k + γ k+1. Es ist κ(p) = m i=1 α i, κ(p ) = β + m i=1 β i, sowie α i = β i für i / {k, k + 1}. Daher ist κ(p ) κ(p) = β k + β + β k+1 α k α k+1 = (β k + γ k α k ) + (β k+1 + γ k+1 α k+1 ) Wir zeigen, dass die Klammern 0 sind. Es ist α k = cos 1 ( X, Y ), β k = cos 1 ( X, Z ), γ k = cos 1 ( Y, Z ) mit den normierten Vektoren X = a k a k 1 a k a k 1, Y = a k+1 a k a k+1 a k, Z = b a k b a k

20 Zu zeigen: κ(p ) κ(p) = (β k + γ k α k ) + (β k+1 + γ k+1 α k+1 ) 0 Wir benutzen folgenden Fakt: Der Winkel zwischen zwei Vektoren d(x, Y ) := (X, Y ) := cos 1 ( X, Y ) definiert auf der Sphäre S 2 eine Metrik. Insbesondere gilt die Dreiecksungleichung d(x, Y ) d(x, Z) + d(y, Z). Bei uns ist α k = cos 1 ( X, Y ), β k = cos 1 ( X, Z ), γ k = cos 1 ( Y, Z ) und daher gilt α k β k + γ k. Analog erhalten wir (mit anderen X, Y, Z) α k+1 β k+1 + γ k+1. Also ist κ(p ) κ(p). Damit gilt dies auch für beliebige Verfeinerungen von P.

21 Nächstes Ziel: Totalkrümmung einer Kurve durch Polygonzüge Wiederholung Die Krümmungsfunktion einer nach Bogenlänge parametrisierten Raumkurve c : I R 3 ist die Funktion κ : I R mit κ(t) = c (t). Sie misst - wie der Totalwinkel bei Polygonen - wie weit die Kurve von einer Geraden abweicht. Definition Die Totalkrümmung einer geschlossene, nach Bogenlänge parametrisierten C 2 -Kurve c : [a, b] R 3 ist die Zahl κ(c) := b a κ(t)dt. Genau wie die Bogenlänge, kann man die Totalkrümmung mit dem Totalwinkel von Polygonzügen berechnen: Satz 2: Für geschlossene, n.bl.p. C 2 -Kurven c gilt: κ(c) = sup κ(p) P Polygonzug in c Genau wie bei der Bogenlänge, reicht es folgende Aussage zu beweisen: ( ) Für jedes ɛ 0 > 0 existiert ein δ > 0, s.d. für alle Polygonzüge P in c mit Feinheit < δ gilt: κ(c) κ(p) < ɛ 0. Dann folgt zusammen mit dem Lemma (Totalwinkel wird nicht kleiner bei Verfeinerung) der Satz analog wie bei der Bogenlänge.

22 Bevor wir ( ) und damit den Satz beweisen, ein Lemma Lemma 2 Sei c : [t 0, t 1] R 3 eine nach Bogenlänge parametrisierte Kurve mit c (u) c (v) < ɛ für u, v [t 0, t 1] und sei τ := t 0+t 1 der Mittelpunkt des Intervalls [t 2 0, t 1]. Dann gilt: c(t1) c(t0) c (τ) t 1 t 0 ɛ (t1 t0). 4 Interpretation: Tangente bei halber Zeit ist ähnlich zur Verbindungslinie von Start- und Endpunkt Beweis: Wir berechnen zuerst t1 ( v ) t1 (A) c (u) c (τ)du dv = c (v) c (τ) (v τ)c (τ)dv τ τ τ = c(t 1) c(τ) (t 1 τ)c (τ) 1 2 (t2 1 τ 2 )c (τ) + (t 1 τ)τc (τ) = c(t 1) c(τ) (t 1 τ)c (τ) 1 2 (t1 τ)2 c (τ) (Binom. Formel ) τ ( t Analog: (B) v c (τ) c (u)du ) dv = c(τ) c(t 0) (τ t 0)c (τ) + 1 (τ 2 t0)2 c (τ) t 0 Wir haben die Integrale (A), (B) ausgerechnet, weil wir sie gut mit der Voraussetzung c (u) c (v) < ɛ abschätzen können: (A) t 1 v ɛdudv = ɛ t 1 v τ dv = ɛ[ t2 1 τ 2 2(t 1τ τ 2 ) ] = ɛ (t1 τ)2 τ τ τ (B).. ɛ (τ 2 t0)2 (selbe Rechnung)

23 Zu zeigen: c(t 1) c(t 0 ) t 1 t 0 c (τ) ɛ 4 (t 1 t 0 ) Da τ der Mittelpunkt von [t 0, t 1] ist, haben wir (τ t 0) = t 1 t 0 2 = (t 1 τ). Die Abschätzung von gerade eben gibt mit Dreiecksungleichung: (A) + (B) (A) + (B) ɛ 2 ((t1 τ)2 + (τ t 0) 2 ) = ɛ (t1 t0)2 4 Wir benutzen jetzt die Formeln für(a), (B), die wir beim ausrechnen der Integrale bekommen haben: (A) = c(t 1) c(τ) (t 1 τ)c (τ) 1 2 (t1 τ)2 c (τ) (B) = c(τ) c(t 0) (τ t 0)c (τ) (τ t0)2 c (τ) (A) + (B) = c(t 1) c(t 0) (t 1 t 0)c (τ) Nehmen des Betrags und teilen durch t 1 t 0 liefert die gesuchte Ungleichung.

24 Beweis des Satzes κ(c) = sup κ(p) P Polygonzug in c Müssen zeigen: ( ) Für jedes ɛ 0 > 0 existiert ein δ > 0, s.d. für alle Polygonzüge P in c mit Feinheit < δ gilt: κ(c) κ(p) < ɛ 0. Beweis: Sei ɛ > 0 (noch beliebig, wir werden später einen konkreten Wert wählen). Wir betrachten die Kurve c : [a, b] R 3. Ihre Länge L(c ) ist nach Def. κ(c). Wir können Längen schon durch Polygone approximieren (Behauptung zu Satz?): Es gibt δ 1 > 0, sd. für jeden Polygonzug P = (c (t 0),.., c (t m 1)) in c mit Feinheit < δ 1: m κ(c) c (t i ) c (t i 1 ) < ɛ (mit Konvention c (t m) = c (t 0 )) i=1 Die Funktion S 2 R, (X, Y ) (X, Y ) := cos 1 ( X, Y ) ist stetig auf einem Kompaktum und damit gleichmäßig stetig. Daher gibt es ein d > 0, s.d. X Y < d (X, Y ) < ɛ. Da auch c gleichm. stetig ist, gibt es ein δ 2 > 0, s.d. t s < δ 2 c (t) c (s) < d (c (t), c (s)) < ɛ. Analog gibt es ein δ 3, s.d. t s < δ 3 c (t) c (s) < ɛ.

25 Für einen gegebenen Polygonzug mit Zeitpunkten t i setzen wir τ i := t i+1 t i 2. Beachte, dass die τ i einen Polygonzug der gleichen Feinheit definieren. Wir betrachten folgende Winkel (mit (X, Y ) := cos 1 ( X X Y α i := (c(t i+1 ) c(t i ), c(t i ) c(t i 1 )) β i := (c (τ i ), c (τ i 1 )) γ i := (c (τ i ), c(t i+1 ) c(t i )) Lemma 2: Sei c : [t 0, t 1] R 3 n.bl.p. mit c (u) c (v) < ɛ für u, v [t 0, t 1] und sei τ := t 0+t 1. Dann gilt: 2 c(t 1) c(t 0 ) c (τ) ɛ (t1 t0). 4 t 1 t 0 Wir benutzen nochmal, dass gleichmäßig stetig ( X Y < d (X, Y ) < ɛ) und t s < δ 3 c (t) c (s) < ɛ: Ist P von Feinheit < δ 3, so können wir das Lemma auf jedes Intervall [t i 1, t i ] anweden und kriegen c(t i+1) c(t i ) t i+1 t i c (τ i ) ɛ (t 4 i+1 t i ). Für δ 4 := min(δ 3, d ) gilt: Ist P von Feinheit < δ4, so ist c(t i+1 ) c(t i ) ɛ t i+1 t i c (τ i ) d < d 4 und daher γ i = (c (τ i ), c(t i+1 c(t i )) = (c (τ i ), c(t i+1) c(t i ) t i+1 t i ) < ɛ (da die Argumente Abstand < δ haben).

26 Müssen zeigen: ( ) Für jedes ɛ 0 > 0 existiert ein δ > 0, s.d. für alle Polygonzüge P in c mit Feinheit < δ gilt: κ(c) κ(p) < ɛ 0. Wir setzen δ = min(δ 1, δ 2, δ 3, δ 4). Nach Konstruktion gilt: a) t s < δ (c (t), c (s)) < ɛ und c (t) c (s) < ɛ b) Ist P von Feinheit < δ, so ist κ(c) m i=1 c (t i ) c (t i 1 ) < ɛ und γ i < ɛ. Sei P ein geschlossener Polygonzug in c mit Feinheit < δ. Wir zerlegen mit Dreiecksungleichung: κ(c) κ(p) = κ(c) α i i c (τ i ) c (τ i 1 ) + β i β i α i κ(c) i }{{} (1) c (τ i ) c (τ i 1 ) i i }{{} (2) Wir wissen schon, dass (1) < ɛ. Nun zu (2): Es ist β i := (c (τ i ), c (τ i 1 )) und β i < ɛ wegen (a). Wir wenden den Sinussatz an auf das rechtwinklige Dreieck zwischen 0, c (τ i ) und c (τ i )+c (τ i 1 ) : 2 Daher c (τ i ) c (τ i 1 ) = 2 sin( β i ). Wir benutzen nun, 2 dass es eine Funktion r 1 und Konstante K gibt, s.d. 2 sin( x ) = x + r1(x) mit r1(x) Kx 3. 2 Wir bekommen (2) = i (2 sin( β i 2 ) β i) K i β3 i Kɛ 2 i β i. + i } {{ } (3)

27 Abschätzung von (2) Haben (2) Kɛ 2 i β i. Wir erweitern künstlich und wenden Dreiecksungleichung an: i β i κ(c) + c (τ i ) c (τ i 1 ) κ(c) + βi c (τ i ) c (τ i 1 ). i i }{{}}{{} <ɛ (2) Also (2) Kɛ 2 (κ(c) + ɛ + (2)) (1 Kɛ 2 )(2) Kɛ 2 (κ(c) + ɛ) = (2) Kɛ2 (κ(c) + ɛ) 1 Kɛ 2 Nun zu (3) = α i := (c(t i+1 ) c(t i ), c(t i ) c(t i 1 )) i β i α i : Die Winkel sind β i := (c (τ i ), c (τ i 1 )). γ i := (c (τ i ), c(t i+1 ) c(t i )) Wir benutzen die Dreiecksungl. auf S 2 : (X, W ) (X, Y ) + (Y, Z) + (Z, W ) mit X = c(t i+1 c(t i )), Y = c (τ i ), Z = c (τ i 1 ), W = c(t i ) c(t i 1 ). Das gibt α i γ i + β i + γ i 1, also α i β i γ i + γ i 1.

28 Abschätzung von (3) Wir haben bekommen (3) i γ i + γ i 1, wobei γ i := (c (τ i ), c(t i+1 c(t i ))). Wir betrachten das Dreieck mit Ecken 0, c (τ i ) und c(t i+1 c(t i )) t i+1 t i. Die eingezeichnete Höhe hat Länge sin(γ i ) und ist kürzer als Seiten in c (τ i ). Daher sin(γ i ) c (τ i ) c(t i+1 c(t i )) t i+1 t i ɛ 4 (t i+1 t i ), denn wir haben P so fein gewählt, dass c (t) c (s) ɛ auf jedem Intervall, daher können wir Lemma 2 auf jedem Intervall anweden. Wieder können wir eine Funktion r 2 und Konstante K finden, s.d. sin(x) = x + r 2(x), wobei r 2(x) Kx 3 (und wir können annehmen, dass es das selbe K wie für 2 sin( x ) ist, sonst 2 Maximum nehmen). Daher γ i ɛ (t 4 i+1 t i ) r 2(γ i ) ɛ 4 }{{} (t i+1 t i ) + Kɛ 2 γ i. Umstellen nach γ i gibt: γ i (3) Kγ 3 i ɛ 4(1 Kɛ 2 ) ɛ 4(1 Kɛ 2 ) (t i+1 t i ).Damit können endlich (3) abschätzen: (t i+1 t i + t i t i 1 ) = i ɛ(b a) 2(1 Kɛ 2 )

29 Ende des Beweises Müssen zeigen: ( ) Für jedes ɛ 0 > 0 existiert ein δ > 0, s.d. für alle Polygonzüge P in c mit Feinheit < δ gilt: κ(c) κ(p) < ɛ 0. Wir haben: κ(c) κ(p) (1) + (2) + (3) ɛ + Kɛ2 (κ(c) + ɛ) ɛ(b a) + 1 Kɛ 2 2(1 Kɛ 2 ) = ɛ + Kɛ2 κ(c) + ɛ(b a)/2 1 Kɛ 2 0 wenn ɛ 0 Wir wählen nun ein ɛ > 0, s.d. κ(c) κ(p) ɛ 0. Dann bekommen wir ein δ, s.d. für jeden Polygonzug P in c mit Feinheit < δ gilt: κ(c) κ(p) ɛ 0 und der Satz ist bewiesen.

30 Nächstes Ziel: Abschätzung für Totalkrümmung geschlossener Kurven Der Beweis war aufwendig, aber ermöglicht uns, die Totalkrümmung von Kurven einfacher mit dem Totalwinkel von Polygonzügen zu untersuchen. Wir werden damit unter anderem die sehr intuitive Aussage beweisen, dass jede Raumkurve sich um mindestens 2π krümmen muss, um sich zu schließen: Satz von Fenchel: Für die Totalkrümmung κ(c) = b κ(t)dt einer einfache geschlossene Raumkurven gilt a κ(c) 2π. Man beachte die Ähnlichkeit zum Hopfschen Umlaufsatz für ebene Kurven: Hopfscher Umlaufsatz: Für die Umlaufzahl einer ebenen, einfach geschlossenen, nach Bogenlänge parametrisierten Kurve ist 2πn c = b κ(t)dt = ±2π. a

31 Die Brückenzahl Wir beweisen zunächst eine allgemeinere Aussage, für die wir folgende Definition brauchen: Definition Sei c : [a, b] R 3 eine geschlossene Raumkurve. 1. Wir bezeichnen die Anzahl der lokalen Maxima von c in Richtung eines Vektors e S 2 mit µ(c, e). Formaler: µ(c, e) := {lokale Maxima der Funktion [a, b) R, t c(t), e ]} N { }. 2. Die Brückenzahl von c ist µ(c) := min µ(c, e) e S2 Bemerkung: Die lokalen Maxima in Richtung e entsprechen gerade den lokalen Minima in Richtung e. Die Funktion f : [a, b) R, f (t) = c(t), e hat genauso viele Minima wie Maxima und daher ist µ(c, e) = µ(c, e).

32 Die Zahlen µ(c, e) bestimmen die Totalkrümmung κ(c) Satz 3: Sei c eine geschlossene Raumkurve. Dann ist S 2 µ(c, e) = 2κ(c). Beweis: 1.) Wir beweisen die Aussage erst für geschlossene Polygonzüge P = (a 1,.., a m) mit Winkeln α i := (a i a i 1, a i+1 a i ) und normierten Seiten b i := a i a i 1 S 2 a i a i 1. Für e S 2, definieren wir Se 1 := {x S 2 x e}. Das ist ein Großkreis auf S 2. Der Großkreisbogen zwischen b i+1 und b i schneidet S 1 e, gdw. b i+1, e und b i, e unterschiedliches Vorzeichen haben, gdw. a i+1 a i, e und a i a i 1, e unterschiedliches Vorzeichen haben. Das ist genau dann der Fall, wenn a i ein lokales Minimum oder Maximum von P in Richtung e ist. Wie groß ist die Menge A i der e S 2, s.d. S 1 e das Bogenstück zwischen b i+1 und b i schneidet, d.h. die Menge der e S 2, für die a i ein lokales Minimum oder Maximum ist? Dafür drehen wir den Raum bis b i+1 und b i auf dem Äquator liegen. Dann ist (0, 0, ±1) A i und liegt ein weiterer Vektor v A i, so auch der Großkreis durch v und Nordpol. Die Vektoren in A i auf dem Äquator sind genau die Punkte, die bei einer 90 Drehung des Großkreisbogen zwischen b i+1 und b i um die Nord-Süd-Achse entstehen. A i hat also einen -Anteil am Flächeninhalt der Sphäre. 2α i 2π

33 Aussage gilt für Polygonzüge: S 2 µ(p, e) = 2κ(P) Da die Sphäre S 2 einen Flächeninhalt von vol(s 2 ) = 4π hat, ist vol(a i ) = α i 4π = 4α π i. Andere Punkte (außer a i ) können zwar lokale Maxima sein, jedoch nur für eine Nullmenge von Vektoren e S 2 (nämlich Vektoren orthogonal zu einer Seite von P, d.i. ein Großkreis). Daher: 2 µ(p, e) = (µ(p, e) + µ(p, e)) = 4 α i = 4κ(P) S 2 S 2 i Damit haben wir die Aussage für geschlossene Polygonzüge gezeigt. 2.) Wir beweisen jetzt den Satz, also S 2 µ(c, e) = 2κ(c) für geschlossene Raumkurven. Auf der rechten Seite steht die Totalkrümmung der Kurve c, die wir dank unserer Vorarbeit als Grenzwert der Totalwinkel von Polygonen bekommen. Sei c : [a, b] R 3 eine geschlone Raumkurve und (P k ) k N eine Folge von Polygonen in c, s.d. P k Feinheit < 1 hat und eine Verfeinerung von P k k 1 ist. Dann ist lim k κ(p k ) = κ(c) nach Satz. Wir zeigen lim k S 2 µ(p k, e) = S 2 µ(c, e). ( ) Dann folgt der Satz: S 2 µ(c, e) = lim k S 2 µ(p k, e) (1.) = lim k 2κ(P k ) = 2κ(c).

34 Beweis von ( ): lim k S 2 µ(p k, e) = S 2 µ(c, e) Satz über monotone Konvergenz: Falls f k : S 2 [0, ] fast überall, monoton wachsend gegen f : S 2 [0, ] konvergiert, so ist lim k S 2 f k = S 2 f. Wir nehmen f k = µ(p k, ) und bekommen ( ) aus Satz, wenn wir zeigen, dass µ(p k, e) monoton wachsend gegen µ(c, e) konvergiert für alle e S 2 bis auf eine Nullmenge. Die Menge N k = {v S 2 µ(p k, v) = } besteht aus allen Vektoren, die orthogonal zu einer Seite von P k sind. Also ist N k die Vereinigung von endlich vielen Großkreisen und damit eine Nullmenge. Die abzählbare Vereinigung N = k=1 N k von Nullmengen ist auch eine Nullmenge. Für festes e S 2 \N ist also µ(p k, e) < für alle k. Da P k+1 Verfeinerung von P k, ist µ(p k+1, e) µ(p, e). Denn: Von zwei benachbarte Ecken a i, a i+1 kann höchstens eine ein lokales Maximum in Richtung e sein (sonst gäbe es unendlich viele, aber e / N ). Ist keine ein Maximum, so kann µ(, e) nur beim Einfügen einer Ecke zwischen a i, a i+1 nur größer werden. Ist eine Ecke ein Maximum in P i, aber nicht in P i+1, so muss b ein neues lokales Maximum in Richtung e sein. Also ist µ(p k, e) monoton wachsend für e S 2 \N.

35 Müssen noch zeigen: lim k µ(p k, e) = µ(c, e) für e S 2 \N Seien a i = c(t i ) die Ecken von P k. Ist a j ein lokales Maximum in Richtung e, so muss auch c ein solches im Interval (t j 1, t j+1 ) besitzen. Da a j 1 und a j+1 keine lokalen Maxima von P k in Richtung e sind, gibt es für jedes Maximum von P k auch eines von c. Es folgt µ(p k, e) µ(c, e). Für v µ(c, e) hat c(t) mindestens v lokale Maxima s 1,.., s v in Richtung e (d.h. t c(t), e hat lokale Maxima). Wähle δ, s.d. die Maxima auf (s i δ, s i + δ) jeweils global sind. Angenommen, t c(t), e ist konstant auf einem Intervall (s i δ, s i ], [s i, s i + δ). Wähle k 0 so groß, dass P k0 Feinheit < δ hat. Dann liegen in jedem der Intervalle mindestens zwei Ecken von 2 P k0. Damit µ(p k0, e) = und e N. Für e S 2 \N gibt es also u i (s i δ, s i ), u + i (s i, s i + δ) mit c(u ± i ), e < c(s i ), e. Wähle ɛ > 0 so, dass (u ± i ɛ, u ± 1 + ɛ) (s i δ, s i + δ) und c(u), e < c(s), e für alle u (u ± i ɛ, u ± 1 + ɛ) und s (s i ɛ, s i + ɛ). Wir wählen k 0 so, dass P k0 Feinheit < ɛ hat. In jedem der drei Intervalle (u ± i ɛ, u ± 1 + ɛ), (s i ɛ, s i + ɛ) hat P k0 mindestens ein Eckpunkt und daher hat P k0 einen Eckpunkt c(x i ) mit x i (s i δ, s i + δ), der ein lokales Maximum in P in Richtung e ist. Da es für jedes s i einen solchen gibt, ist µ(p k0, e) v. Für jedes v µ(c, e) finden wir so ein P k0. Daher ist µ(p k, e) µ(c, e) für k.

36 Der Satz von Fenchel Wir haben gerade bewiesen: Satz 3: Sei c eine geschlossene Raumkurve. Dann ist 2κ(c) = S 2 µ(c, e). Als direkte Folgerung bekommen wir nun den Satz von Fenchel Sei c eine geschlossene Raumkurve. Dann ist κ(c) 2π µ(c) 2π Beweis: Die Brückenzahl einer Kurve ist definiert als µ(c) := min e S 2(µ(c, e)). Daher ist 2κ(c) Satz = 3 µ(c, e) µ(c) = µ(c) 1 = 4πµ(c). S 2 S 2 S }{{ 2 } =Flächeninhalt von S 2 Division durch 2 gibt die erste Ungleichung. Außerdem hat für e S 2 die Funktion t c(t), e mindestens ein lokales Maximum, d.h. µ(c, e) 1 und daher µ(c) 1, was die zweite Ungleichung beweist.

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,

Mehr

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

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

Mehr

1 Polynome III: Analysis

1 Polynome III: Analysis 1 Polynome III: Analysis Definition: Eine Eigenschaft A(x) gilt nahe bei a R, falls es ein δ > 0 gibt mit A(x) gilt für alle x (a δ, a + δ)\{a} =: U δ (a) Beispiele: x 2 5 nahe bei 0 (richtig). Allgemeiner:

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

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

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen 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

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

Übungsaufgaben zu den mathematischen Grundlagen von KM

Übungsaufgaben zu den mathematischen Grundlagen von KM TUM, Institut für Informatik WS 2003/2004 Prof Dr Thomas Huckle Andreas Krahnke, MSc Dipl-Inf Markus Pögl Übungsaufgaben zu den mathematischen Grundlagen von KM 1 Bestimmen Sie die Darstellung von 1 4

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

Lösung zur Klausur zur Analysis II

Lösung zur Klausur zur Analysis II Otto von Guericke Universität Magdeburg 9.7.4 Fakultät für Mathematik Lösung zur Klausur zur Analysis II Vorlesung von Prof. L. Tobiska, Sommersemester 4 Bitte benutzen Sie für jede Aufgabe ein eigenes

Mehr

Kommutativität. De Morgansche Regeln

Kommutativität. De Morgansche Regeln 1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)

Mehr

9. Übungsblatt zur Vorlesung Mathematik I für Informatik

9. Übungsblatt zur Vorlesung Mathematik I für Informatik Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 9. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 8./9. Dezember 2009 Gruppenübung

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 2. Juli 2018 1/1 Wir geben einige wesentliche Sätze über bestimmte Integrale an, deren Beweise man in den Standardlehrbüchern der Analysis findet.

Mehr

Ferienkurs Seite 1. Technische Universität München Ferienkurs Analysis 1 Stetigkeit, Konvergenz, Topologie

Ferienkurs Seite 1. Technische Universität München Ferienkurs Analysis 1 Stetigkeit, Konvergenz, Topologie Ferienkurs Seite Technische Universität München Ferienkurs Analysis Hannah Schamoni Stetigkeit, Konvergenz, Topologie Lösung 2.03.202. Gleichmäßige Konvergenz Entscheiden Sie, ob die folgenden auf (0,

Mehr

Brückenkurs Rechentechniken

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

Mehr

1.5 Kongruenz und Ähnlichkeit

1.5 Kongruenz und Ähnlichkeit 19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in

Mehr

Grundlagen der Mathematik 2 Nachklausur

Grundlagen der Mathematik 2 Nachklausur Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Musterlösung der 1. Klausur zur Vorlesung

Musterlösung der 1. Klausur zur Vorlesung Prof. Dr. M. Röger Dipl.-Math. C. Zwilling Fakultät für Mathematik TU Dortmund Musterlösung der. Klausur zur Vorlesung Analysis II 6.7.6) Sommersemester 6 Aufgabe. i) Die Folge f n ) n N konvergiert genau

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

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

f(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b.

f(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b. Proposition.13 Sei f : D R stetig und D = [a, b] R. Dann ist f(d) beschränkt. Außerdem nimmt f sein Maximum und Minimum auf D an, d.h. es gibt x max D und ein x min D, so dass f(x max ) = sup f(d) und

Mehr

Mathematik für Anwender I. Klausur

Mathematik für Anwender I. Klausur Fachbereich Mathematik/Informatik 27. März 2012 Prof. Dr. H. Brenner Mathematik für Anwender I Klausur Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.

Mehr

Analysis II. 8. Klausur mit Lösungen

Analysis II. 8. Klausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

Stroppel Musterlösung , 180min. Aufgabe 1 (4 Punkte) Bestimmen Sie die folgenden Grenzwerte und Funktionengrenzwerte.

Stroppel Musterlösung , 180min. Aufgabe 1 (4 Punkte) Bestimmen Sie die folgenden Grenzwerte und Funktionengrenzwerte. Stroppel Musterlösung 3908, 80min Aufgabe 4 Punkte) Bestimmen Sie die folgenden Grenzwerte und Funktionengrenzwerte a) 4n 3 9 lim b) lim n n + n) n + )5n 4) c) lim x 0 sinlnx + )) sinhx) a) Es ist lim

Mehr

Kapitel VI. Euklidische Geometrie

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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Grenzwerte und Stetigkeit

Grenzwerte und Stetigkeit KAPITEL 3 Grenzwerte und Stetigkeit 3.1 Grenzwerte..................................... 49 3.2 Stetigkeit....................................... 57 Lernziele 3 Grenzwerte ε-δ-definition des Grenzwerts,

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

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

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................

Mehr

SWS-Kongruenzsatz. A B = d(a,b) = A B und A C = d(a,c) ) = A C. Dann ist das Winkelmaß BAC = arccos

SWS-Kongruenzsatz. A B = d(a,b) = A B und A C = d(a,c) ) = A C. Dann ist das Winkelmaß BAC = arccos SWS-Kongruenzsatz. SWS-Kongruenzsatz. Es seien A,B,C und A,B,C Punkte des R 2, s.d. weder A,B,C noch A,B,C auf einer Geraden liegen. Dann gilt: es gibt eine Isometrie I, mit A A, B B, C C, genau dann wenn

Mehr

Extrema multivariater Funktionen

Extrema multivariater Funktionen Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater

Mehr

Nach Bogenlänge parametrisierte Kurven

Nach Bogenlänge parametrisierte Kurven Nach Bogenlänge parametrisierte Kurven Eine orientierte Kurve ist eine Äquivalenzklasse von regulären parametrisierten Kurven bzgl. der orientierungserhaltenden Umparametrisierung als Äquivalenzrelation.

Mehr

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

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

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

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

Mehr

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

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

Mehr

Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.

Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2. Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 4

Technische Universität München Zentrum Mathematik. Übungsblatt 4 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=

Mehr

Nachklausur Analysis 2

Nachklausur Analysis 2 Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,

Mehr

Definition: Differenzierbare Funktionen

Definition: Differenzierbare Funktionen Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ

Mehr

e x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1

e x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1 Aufgabe a Hier kann man die Regel von de l Hospital zweimal anwenden (jeweils und die Ableitung des Nenners ist für hinreichend große x ungleich. Dies führt auf e x e x e x + e x e x + e x e x e x e x

Mehr

Analysis I. 6. Beispielklausur mit Lösungen

Analysis I. 6. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 6. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine Relation zwischen den Mengen X und Y.

Mehr

2.6 Der Satz von Fubini

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

Mehr

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

Mehr

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+ D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Lösung - Serie 6 1. MC-Aufgaben (Online-Abgabe) 1. Für alle ganzen Zahlen n 1 gilt... (a) e 1/x = o(x n ) für x 0 + (b) e 1/x = o(x n ) für x 0 + (c)

Mehr

Mathematische Probleme, SS 2018 Dienstag $Id: dreieck.tex,v /06/12 14:54:26 hk Exp $

Mathematische Probleme, SS 2018 Dienstag $Id: dreieck.tex,v /06/12 14:54:26 hk Exp $ $Id: dreieck.tex,v 1.47 018/06/1 14:54:6 hk Exp $ Dreiecke.3 Einige spezielle Punkte im Dreieck Am Ende der letzten Sitzung hatten wir eingesehen, dass sich die drei Winkelhalbierenden eines Dreiecks in

Mehr

Fenchels Theorem. Daniel Weber. Proseminar Kurven. Wintersemester 2012/13. Prof. Dr. Franz Pedit

Fenchels Theorem. Daniel Weber. Proseminar Kurven. Wintersemester 2012/13. Prof. Dr. Franz Pedit Proseminar Kurven Wintersemester 212/13 Prof. Dr. Franz Pedit Inhaltsverzeichnis 1 Einleitung 2 2 Prolog 3 2.1 (Hemi-)Sphären.................................... 3 2.2 Groß- und Kleinkreise................................

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man: AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f

Mehr

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem

Mehr

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2 Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Differential und Integralrechnung 3 3. (Herbst 20, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende

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

Analysis I. 4. Beispielklausur mit Lösungen

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

Mehr

Analysis I & II Lösung zur Basisprüfung

Analysis I & II Lösung zur Basisprüfung FS 6 Aufgabe. [8 Punkte] (a) Bestimmen Sie den Grenzwert ( lim x x ). [ Punkte] log x (b) Beweisen Sie, dass folgende Reihe divergiert. n= + n + n + sin(n) n 3 + [ Punkte] (c) Finden Sie heraus, ob die

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

Musterlösung Basisprüfung, Gruppe A Analysis I/II ) = 28π 6

Musterlösung Basisprüfung, Gruppe A Analysis I/II ) = 28π 6 Winter 8. Single Choice: 6J (a) Der Flächeninhalt einer Kreisscheibe mit Radius R ist gegeben durch πr. Aus Symmetriegründen ist der Flächeninhalt eines Kreisssektors mit 6 gegeben durch πr 6. Folglich

Mehr

Der n-dimensionale Raum

Der n-dimensionale Raum Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand

Mehr

7 Integralrechnung für Funktionen einer Variablen

7 Integralrechnung für Funktionen einer Variablen 7 Integralrechnung für Funktionen einer Variablen In diesem Kapitel sei stets D R, und I R ein Intervall. 7. Das unbestimmte Integral (Stammfunktion) Es sei f : I R eine Funktion. Eine differenzierbare

Mehr

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2 D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

5 Stetigkeit und Differenzierbarkeit

5 Stetigkeit und Differenzierbarkeit 5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.

Mehr

Analysis I. Guofang Wang , Universität Freiburg

Analysis I. Guofang Wang , Universität Freiburg Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x

Mehr

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1. KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die

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

Übungen zu Einführung in die Analysis

Übungen zu Einführung in die Analysis Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung

Mehr

(a), für i = 1,..., n.

(a), für i = 1,..., n. .4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung

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

Selbsteinschätzungstest Auswertung und Lösung

Selbsteinschätzungstest Auswertung und Lösung Selbsteinschätzungstest Auswertung und Lösung Abgaben: 46 / 587 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: Durchschnitt: 7 Frage (Diese Frage haben ca. 0% nicht beantwortet.) Welcher Vektor

Mehr

b) Definieren Sie den Begriff Cauchy-Folge. c) Geben Sie zwei Beispiele für konvergente Folgen und deren jeweilige Grenzwerte an.

b) Definieren Sie den Begriff Cauchy-Folge. c) Geben Sie zwei Beispiele für konvergente Folgen und deren jeweilige Grenzwerte an. Repetitorium zur Ingenieur-Mathematik I, WS 00/ Aufgabe : Bestimmen Sie das quadratische Polynom, auf dessen Graph die Punkte (, 4), (0, ), (, 7) liegen. Aufgabe : a) Wann ist eine Folge konvergent (Definition)?

Mehr

Analysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz:

Analysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz: d-infk Lösung von Serie 4 FS 07 4.. Inhomogene Lineare Differentialgleichungen Das charakteristische Polynom der homogenen DGl y (4) + y + y = 0 ist λ 4 + λ + = (λ + ). Seine Wurzeln sind ±i und jede hat

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 26/7 (2.3.27). (a) Bestimmen Sie die kartesische Form von z = 5i 2i und z 2 = ( ) 9 3 2 2 i. (b) Bestimmen Sie sämtliche

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Klausur zur Geometrie für Bachelor und Lehramt

Klausur zur Geometrie für Bachelor und Lehramt Klausur zur Geometrie für Bachelor und Lehramt Aufgabe ( Punkt) Lösung Aufgabe Kurzfragen (jeweils Punkte) (a) Skizzieren Sie qualitativ eine ebene Kurve c : R R mit Krümmung κ(t) = t (b) Ist die ebene

Mehr

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so

Mehr

Vorlesung: Analysis I für Ingenieure

Vorlesung: Analysis I für Ingenieure Vorlesung: Analysis I für Ingenieure Michael Karow Thema: Satz von Taylor Die Taylor-Entwicklung I Satz von Taylor. Sei f : R D R an der Stelle x n-mal differenzierbar. Dann gilt für x D, n f (k) (x )

Mehr

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

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

Mehr

(y ) 2 0 bis t, so erhalten wir 1 y (t) (t t 0). L sen wir diese Ungleichung nun nach y (t) auf, so folgt

(y ) 2 0 bis t, so erhalten wir 1 y (t) (t t 0). L sen wir diese Ungleichung nun nach y (t) auf, so folgt 0.. Lösung der Aufgabe. Wir nehmen an, es existiere eine nicht-triviale globale L sung y. Dann lesen wir direkt von der Gleichung ab, dass y 0 gilt auf ganz R, das heisst, die Funktion ist konvex. Da wir

Mehr

x x 2 + y + 2y 2 y x 2 + y = 2 (x 2 + y 2 ) 2 = 0, (x,y) =r

x x 2 + y + 2y 2 y x 2 + y = 2 (x 2 + y 2 ) 2 = 0, (x,y) =r Funktionentheorie, Woche 8 Harmonische Funktionen 8. Folgen der Holomorphie Im letzten Kapitel sahen wir, dass der Realteil einer holomorphen Funktion harmonisch ist, und dass es zu jeder harmonischen

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

Mehr

6 Die Bedeutung der Ableitung

6 Die Bedeutung der Ableitung 6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst

Mehr

Lösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim

Lösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu

Mehr

Lösungsvorschlag Klausur MA9802

Lösungsvorschlag Klausur MA9802 Lehrstuhl für Numerische Mathematik Garching, den 3.8.22 Prof. Dr. Herbert Egger Dr. Matthias Schlottbom Lösungsvorschlag Klausur MA982 Aufgabe [3 + 3 Punkte] Berechnen Sie, falls existent, die folgenden

Mehr

Musterlösung Klausur zu Analysis II. Verständnisteil

Musterlösung Klausur zu Analysis II. Verständnisteil Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 16 : Differentialrechnung Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen

Mehr

Mathematischer Vorkurs NAT-ING II

Mathematischer Vorkurs NAT-ING II Mathematischer Vorkurs NAT-ING II (02.09.2013 20.09.2013) Dr. Jörg Horst WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 252 Kapitel 7 Differenzierbarkeit Mathematischer Vorkurs TU Dortmund Seite

Mehr

Der Satz von Taylor. Kapitel 7

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

Mehr

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

Kapitel 3: Differentiation

Kapitel 3: Differentiation 7 ABBILDUNGEN UND KOORDINATENFUNKTIONEN 35 Kapitel 3: Differentiation Wir beginnen mit einigen Vorbetrachtungen. In diesem Kapitel soll die Differentialrechnung für Funktionen von n reellen Veränderlichen

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr

Dr. O. Wittich Aachen, 12. September 2017 S. Bleß, M. Sc. Analysis. Übungsaufgaben. im Vorkurs Mathematik 2017, RWTH Aachen University

Dr. O. Wittich Aachen, 12. September 2017 S. Bleß, M. Sc. Analysis. Übungsaufgaben. im Vorkurs Mathematik 2017, RWTH Aachen University Dr. O. Wittich Aachen,. September 7 S. Bleß, M. Sc. Analysis Übungsaufgaben im Vorkurs Mathematik 7, RWTH Aachen University Intervalle, Beschränktheit, Maxima, Minima Aufgabe Bestimmen Sie jeweils, ob

Mehr