Existenz- und Eindeutigkeitssätze für Anfangswertprobleme

Größe: px
Ab Seite anzeigen:

Download "Existenz- und Eindeutigkeitssätze für Anfangswertprobleme"

Transkript

1 Kapitel 2 Existenz- und Eindeutigkeitssätze für Anfangswertprobleme In diesem Kapitel sei K = R oder K = C. Satz 2.1 (Existenzsatz von Peano) Sei D R K N offen, f : D K N eine stetige Funktion, (, y 0 ) D. Dann ist das Anfangswertproblem { y = f(x, y) y( ) = y 0 lokal lösbar, d.h. es existiert mindestens ein Intervall I mit I und eine Lösung y : I K N des Anfangswertproblems. Idee zum Beweis: Konstruktion von Näherungslösungen in einem Raum der stetigen Funktionen von der Integralgleichung u(x) = y 0 + f(s, u(s)) ds Studium des Konvergenzverhaltens von Näherungslösungen. Konstruktion von Näherungslösungen: Idee: Betrachte das Richtungsfeld der Differentialgleichung y = f(x, y), (N = 1, K = R), y( ) = y 0. Idee: Zerlege das Intervall [ ; + a] in n gleichgroße Teilintervalle: [ ; + a ] [, + a n n ; + 2a ],... n Da die gesuchte Integralkurve durch den Punkt (, y 0 ) verläuft und das Linienelement in diesem Punkt mit Steigung f(, y 0 ) tangential zur Integralkurve ist, ist 16

2 die Gerade durch den Punkt (, y 0 ) mit Steigung f(, y 0 ) eine Approximation der gesuchten Lösung auf dem ersten Teilintervall [ ; + n] a (jedenfalls, wenn n genügend groß ist). Insbesondere ist der Endpunkt des Geradenstücks über [ ; + n] a : y 1 := y 0 + (x 1 ) f(, y 0 ), mit x 1 = + a n, eine Approximation des Punktes (x 1, y(x 1 )), wobei y Lösung des Anfangswertproblems. Diese Beobachtung legt nahe, nun induktiv so fortzufahren und jeweils als Startpunkt in jedem Schritt den jeweils im vorhergehenden Schritt gewonnenen Endpunkt des Geradenstücks über dem jeweiligen Teilintervall zu wählen. Die so gewonnene stückweise lineare Funktion p (genannt Euler-Polygonzug ist dann induktiv wie folgt definiert: Seien, x 1 = + a n, x 2 = + 2a n,..., x n = + a. Damit ist: { p(x) = p(xi ) + (x x i )f(x i, p(x i )) x ]x i ; x i+1 ], i = 0,..., n 1 p( ) = y 0 Bemerkung: Es kann analog vorgegangen werden, um auf einer linksseitigen Umgebung [ a; ] eine Näherungslösung zu konstruieren. Der entsprechende Euler-Polygonzug auf [ a; ] ist dann definiert durch: x n = a, x n+1,... x 1 = a n, { p(x) = p(xi+1 ) + (x x i+1 )f(x i+1, p(x i+1 )) x [x i ; x i+1 [, i = n,..., 1 p( ) = y 0 Achtung: Es ist bei dieser Konstruktion zu überprüfen, ob die Punkte (x i, p(x i )) D. Wenn nicht, macht die Definition keinen Sinn. Wenn die Definition sinnvoll ist, dann ist klar: p ist stetig auf [ a; + a] p ist stückweise differenzierbar auf [ a; + a] und { p f (xi, p(x (x) = i )) x ] ; + a[, x x i, i = 1,..., n f (x i+1, p(x i+1 )) x ] a; [, x x i+1, i = n,..., 1 Ziel: Zeige p (x) f (x, p(x)), x x i, i = n,..., 1, 0, 1,..., n. Übung: { y (x) = g(x), g : I R stetig y( ) = y 0 Konstruiere eine Folge von Euler-Polygonzügen (p n ) n und weise nach, dass (p n ) n gegen die Lösung y(x) = y 0 + g(s) ds 17

3 konvergiert. Beweis: Beweis des Satzes von Peano 1. Schritt: Da D offen, existiert a > 0, b > 0 mit R := [ a; + a] { y K N y y 0 b } D (hier ist eine beliebige Norm auf K N ). Da f stetig auf D, R R K N gleichmäßig stetig. kompakte Menge, ist f auf R beschränkt und Mit anderen Worten: M := max f(x, y) (x,y) R (< + ) (o.b.d.a. sei M > 0, sonst ist nichts zu zeigen) und k N δ = δ(k) > 0 so dass f(x, y) f( x, ỹ) 1 k (x, y), ( x, ỹ) R (2.1) mit x x δ und y ỹ δ. Sei nun α := min { a; b M }. Es gilt: k N n = n(k) N mit α { n < min δ(k); δ(k) } M (2.2) Konstruiere nun auf dem Intervall [ α; + α] zur Schrittweite (Intervalllänge) h = α n die zugehörigen Euler-Polygonzüge. Im Folgenden untersuchen wir nur das Verhalten auf [ ; +α], der Fall [ α; ] folgt analog. Auf [ ; + α] sind die Euler-Polygonzüge induktiv definiert:, x 1 = + a n, x 2 = + 2a n,..., x n = + a { (2.3) p(x) = p(xi ) + (x x i )f(x i, p(x i )) x ]x i ; x i+1 ], i = 0,..., n p( ) = y 0 18

4 Diese Definition ist sinnvoll, da i 1 p(x i ) y 0 = (p (x j+1 ) p (x j )) = = j=0 i 1 p (x j+1 ) p (x j ) j=0 i 1 (x j+1 x j ) f (x j, p (x j )) j=0 i 1 x j+1 x j f (x j, p (x j )) j=0 i 1 j=0 < αm b M M = b α n M p (x i ) y 0 < b Damit folgt induktiv, dass p(x i ) y 0 < b für alle i = 0,..., n (beachte dabei, dass der Induktionsanfang für y 0 trivialerweise gilt). D.h p ist wohldefiniert. Damit ist auch klar: p ist stetig auf [ ; + α] p ist stückweise differenzierbar auf ] ; + α[ mit p (x ) = f (x i, p (x i )) x ]x i ; x i+1 [, i = 0,..., n 1 Dann gilt auch: Für alle x x i, i = 0,..., n p (x) f(x, p(x)) = p (x) f(x j, p(x j )) + f(x j, p(x j )) f(x, p(x)) p (x) f(x j, p(x j )) + f(x j, p(x j )) f(x, p(x)) }{{} =0 wenn x j so geählt, dass x ]x j, x j+1 [. Nach (2.2) gilt bei dieser Wahl von x j auch x x j < δ(k). Andererseits ist p(x) p(x j ) (2.3) = p(x j ) + (x x j ) f(x j, p(x j )) p(x j ) x x j }{{} < α (2.2) < δ(k) n(k) M δ(k) f(x j, p(x j )) }{{} M 19

5 Also gilt nach (2.1) die Abschätzung f(x j, p (x j )) f(x, p (x)) 1 k Somit gilt: x ] ; + α[, x x i, i = 1,..., n 1 p (x) f (x, p (x)) 1 k (2.4) 2. Schritt: Wir zeige jetzt, dass p eine Näherungslösung der Integralgleichung ist. y (x) = y 0 + f (s, y (s)) ds Sei x [ ; + α. Dann existiert j {0,..., n 1} mit x [x j ; x j+1 ]. Es gilt dann: p(x) y 0 + f(s, p(s)) ds = p(x) p(x j 1 j 1 j) f(s, p(s)) ds + (p(x i+1 ) + p(x i )) i=0 i=0 x i ( = p (s) f(s, p(s)) ) j 1 x i+1 ( ds + p (s) f(s, p(s)) ) ds x i=0 j x i ( p (s) f(s, p(s)) ) j 1 x i+1 ( ds + p (s) f(s, p(s)) ) ds i=0 x j x j p (s) f(s, p(s)) j 1 ds + }{{} (2.4) 1 k (x x j ) 1 j 1 k + (x i+1 x i ) 1 k = (x ) 1 k i=0 i=0 x i+1 x i x i p (s) f(s, p(s)) ds }{{} (2.4) 1 k x i+1 f(s, p(s)) ds d.h. p(x) y 0 + f(s, p(s)) ds x k 20 x [ ; + α] (2.5)

6 3. Schritt: Studium des Konvergenzverhaltens von einer Folge von Näherungslösungen (p k ) k für k. Beobachtung: Es reicht zu zeigen, dass eine solche Folge von Näherungslösungen (p k ) k eine auf dem Intervall [ ; +α] gleichmäßig konvergente Teilfolge enthält. In der Tat, wenn (p kl ) l eine solche Teilfolge und p ihr Grenzwert, dann ist p eine stetige Funktion auf [ ; + α]; außerdem konvergiert auch (f (, p kl ( ))) l gleichmäßig auf [ ; + α], da f stetig. Daher konvergiert auch f (s, p kl (s)) ds l f (s, p (s)) ds x [ ; + α]. Durch Übergnag zum Limes l in (2.5) für p = p kl p (x) y 0 f (s, p (s)) ds 0 erhält man somit: d.h. p ist stetige Lösung der Integralgleichung und somit (nach Satz 1.4) Lösung des Anfangswertproblems auf [ ; + α]. Um die gleichmäßige Konvergenz auf [ ; + α] einer Teilfolge der Folge (p k ) k zu zeigen, reicht es nach dem Satz von Arzelà-Ascoli (Satz und Beweis später) zu zeigen, dass: (p k ) k punktweise beschränkt in [ ; +α], d.h. x [ ; +α] S = S(x) 0, so dass p k (x) S k N, und (p k ) k ist gleichgradig stetig auf [ ; + α], d.h. ε > 0 δ > 0 so, dass p k (x) p k ( x) < ε x, x [ ; + α] mit x x < δ und für alle k N. Klar nach Schritt 1: und daher p k (x) y 0 b x [ ; + α], k N p k (x) y 0 + b x [ ; + α], k N Also ist (p k ) k punktweise beschränkt auf [ ; + α]. Seien nun x, x [ ; + α], k N. 1. Fall: x, x liegen im gleichen Intervall [x i ; x i+1 ] für ein i {0,..., n}. Dann gilt: p k (x) p k ( x) (2.3) = p k (x i ) + (x x i )f (x i, p(x i )) (p k (x i ) + ( x x i )f (x i, p k (x i ))) x x f (x i, p k (x i )) M x x 21

7 2. Fall: x, x liegen in unterschiedlichen Intervallen, etwas x [x i ; x i+1 ] und x [x j ; x j+1 ]. o.b.d.a: i < j Dann gilt: p k (x) p k ( x) = Zur Erinnerung: p k(x) p k (x i+1 ) p k (x) p k (x i+1 ) + 1. Fall M(x i+1 x) + = M( x x) = M x x j 1 l=i+1 j 1 l=i+1 j 1 l=i+1 (p k (x l+1 ) p k (x l )) + p k (x j ) p k ( x) p k (x l+1 ) p k (x l ) + p k ( x) p k (x j ) M(x l+1 x l ) + M( x x j ) Satz (Satz von Arzelà-Ascoli) Sei [a; b] ein kompaktes (echtes) Intervall in R. Sei M eine Teilmenge des Banachraums der stetigen Funktionen auf [a; b] mit Werten in K N ausgestattet mit der Supremumsnorm: ( C ( [a; b]; K N) ), 1. Dann gilt: M ist relativ kompakt in C ( [a; b]; K N), genau dann wenn M ist punktweise beschränkt 2 und M ist gleichgradig stetig 3. Ebenfalls zur Erinnerung: Sei (X, ) ein normierter Raum, M eine Teilmenge von X. M heißt relativ kompakt in X : jede Folge (x n ) n N M besitzt eine konvergente Teilfolge, deren Grenzwert nicht unbedingt in M liegen braucht. M heißt kompakt in X : jede Folge (x n ) n N M besitzt eine konvergente Teilfolge, und der Grenzwert jeder konvergenten Teilfolge liegt wieder in M. Bemerkungen: 1. M ist relativ kompakt M ist kompakt. 2. Falls dim(x) < +, dann gilt: M ist kompakt M ist beschränkt und abgeschlossen 3. Falls dim(x) = +, dann gilt nur noch: M ist kompakt M ist beschränkt und abgeschlossen Die Umkehrung gilt i.a. nicht mehr! 1 hier ist f = max x [a;b] f(x) für eine beliebige Norm in KN. 2 M heißt punktweise beschränkt : x [a; b] S = S(x) > 0 mit f(x) S f M. 3 M heißt gleichgradig stetig : ε > δ > 0 : x, y [a; b] mit x y < δ und f M : f(x) f(y) < ε. 22

8 Beweis des Satzes von Arzelà-Ascoli: Sei (f n ) n N eine beliebige Folge von Funktionen in M. 1. Schritt: Zeige, dass eine Teilfolge von (f n ) n N existiert, die punktweise auf [a; b] Q konvergiert. Idee: Diagonalfolgenprinzip. Klar: [a; b] Q ist abzählbar, also etwa: [a; b] Q = {x n n N}. Betrachte die Folge (f n (x 1 )) n. Nach Voraussetzung an M ist (f n (x 1 )) n beschränkt in K N (endlich-dimensional!), und daher existiert eine Teilfolge, nennen wir sie (f 1,n (x 1 )) n, die in K N konvergiert. Betrachte jetzt (f 1,n (x 2 )) n. Es gilt wieder: (f 1,n (x 2 )) n ist beschränkt in K N, da M punktweise beschränkt. Also existiert ein Teilfolge (f 2,n ) n von (f 1,n ) n so, dass (f 2,n (x 2 )) n konvergent in K N, usw. Im Allgemeinen erhalten wir so, k N, aus einer Teilfolge (f k,n ) n eine Teilfolge (f k+1,n ) n, für die gilt: (f k+1,n (x i )) n konvergiert in K N, i = 1,..., k + 1. Schema: x 1 : f 1,1 f 1,2 f 1,3... f 1,k... f 1,n... x 2 : f 2,1 f 2,2 f 2,3... f 2,k... f 2,n.... x k : f k,1 f k,2 f k,3... f k,k... f k,n.... Dann gilt (Diagonalfolgenprinzip): die Folge (f n,n ) n erfüllt: (f n,n (x i )) n ist konvergent in K N i N. x i : (f n,n ) n (f i,n ) n n > i Also konvergiert (f n,n ) n für alle x [a; b] Q. 2. Schritt: Zeige, dass (f n,n ) n gleichmäßig auf [a; b] konvergiert. Sei ε > 0. Wegen der gleichgradigen Stetigkeit existiert δ > 0 so, dass f n,n (x) f n,n (y) < ε 3 x, y [a; b] mit x y < δ n N (2.6) Zerlege nun das Intervall [a; b] in endlich viele nicht-leere Teilintervalle I 1,..., I R der Länge < δ. Da Q dicht in R, kann man nun für alle k = 1,..., R einen Punkt x k I k Q wählen. Nach Schritt 1 existiert ein n 0 N so, dass f n,n (x k ) f m,m (x k ) < ε 3 m, n n 0, k = 1,..., R (2.7) 23

9 Sei nun x [a; b]. Dann existiert k {1,..., R} mit x k I k. Dann gilt: f n,n (x) f m,m (x) = f n,n (x) f n,n (x k ) + f n,n (x k ) f m,m (x k ) + f m,m (x k ) f m,m (x) f n,n (x) f n,n (x k ) + f n,n(x k ) f m,m(x k ) + f m,m(x k ) f m,m(x) }{{}}{{}}{{} < ε 3 nach(2.6) < ε 3 nach(2.7) < ε m, n n 0 Da x [a; b] beliebig war, gilt damit: sup x [a;b] f n,n (x) f m,m (x) ε n, m n 0 } {{ } = f n,n, f m,m < ε 3 nach(2.6) Mit anderen Worten: (f n,n ) n ist eine Cauchy-Folge im Banachraum ( C ( [a; b]; K N) ), und somit konvergiert (f n,n ) n gleichmäßig auf [a; b] gegen ein Element in C ( [a; b]; K N). Beispiel: ( x F = {f n n N}, f n : [0; 1] R, x n arctan n) Ist F relativ kompakt, kompakt? Beschränktheit: x [0; 1]: ( x f n (x) = n arctan = n) { 0, x = 0 x arctan( n) x x n Erinnerung: mit der Regel von l Hospital folgt: arctan(y) lim = lim y 0 y y y 2 1 = 1, x ]0; 1] Daher gilt für x ]0; 1] : f n (x) x, n, d.h. insbesondere, dass die Zahlenfolge (f n (x)) n beschränkt für alle x [0; 1] ist. Außerdem gilt: (f n ) n konvergiert punktweise auf [0; 1] gegen die identische Funktion f : [0; 1] R, x x. Gleichgradige Stetigkeit: f n ist differenzierbar auf [0; 1] n und f n(x) = ( ) x 2 x [0; 1], n d.h. f n 1 n N. Also nach dem Mittelwertsatz: f n (x) f n (y) x y x, y [0; 1], n N und daher ist F gleichgradig stetig. Konsequenz aus dem Satz von Arzelà-Ascoli: F ist relativ kompakt, aber da f F ist F nicht kompakt. 24

10 Funktionalanalytischer Zugang zum Beweis des Satzes von Peano Das Problem reduziert sich auf die Fragestellung, ob u C ( [ ; + α]; K N) (Notation und Voraussetzungen: siehe Satz und Beweis des Satzes von Peano) existiert mit u(x) = y 0 + f(s, u(s)) ds x [ ; + α] und so, dass u(x) y 0 b x [ ; + α]. Dies ist ein Fixpunktproblem. In der Tat wähle K := { u C ( [ ; + α]; K N) u(x) y 0 b x [ ; + α] } und F : K C ( [ ; + α]; K N) die Abbildung mit F (u)(x) = y 0 + f(s, u(s)) ds, x [ ; + α] Dann ist das Problem einen Fixpunkt u K der Abbildung F zu finden: u = F (u). Die Existenz eines solchen Fixpunktes folgt aus dem Satz (Satz von Schauder) Sei (X, ) ein normierter Raum, M eine nicht-leere abgeschlossene Teilmenge von X und sei F : M X eine stetige Abbildung. Wenn gilt, dass die Bildmenge F (M) M (d.h. F ist eine selbstabbildung in M) und F (M) kompakt, dann besitzt F mindestens einen Fixpunkt u M. ohne Beweis. Man sieht leicht, dass K nicht-leer, konvex und abgeschlossen ist. Es bleibt zu zeigen, dass die Abbildung F definiert wie oben stetig ist, F (K) K und F (K) kompakt ist. Der Satz von Peano liefert eine lokale Lösung. Eine natürliche Fragestellung ist nun, ob diese lokalen Lösungen zu Lösungen der Differentialgleichung auf einem größeren Intervall fortgesetzt werden können, und ob eine maximale Fortsetzung dieser lokalen Lösung existiert. 25

11 Definition 2.1 Sei f : D R K N K N, (, y 0 ) D. Sei weiter y : I K N eine Lösung des Anfangswertproblems { y = f(x, y) y( ) = y 0 i) Eine Lösung des Anfangswertproblems u : J K N, J R Intervall, heißt Fortsetzung (bzw. echte Fortsetzung) der Lösung y, wenn I J (bzw. I J) und u I = y. ii) Die Lösung y : I K N ist maximale Lösung des Anfangswertproblems, wenn keine echte Fortsetzung von y existiert. Satz 2.2 Voraussetzungen von Satz 2.1: Sei D R K N offen, f : D K N eine stetige Funktion, (, y 0 ) D. Jede lokale Lösung des Anfangswertproblems { y = f(x, y) y( ) = y 0 kann zu einer maximalen Lösung des Anfangswertproblems fotgesetzt werden. Beweis: mit Lemma von Zorn Erinnerung: Sei M eine nicht-leere Menge mit Ordnung (also mit einer transitiven 4, antisymmetrischen 5 Relation). Wenn jede geordnete Teilmenge 6 von M eine obere Schranke 7 in M besitzt, dann besitzt M ein maximales Element m (d.h. ein Element m M mit der Eigenschaft, dass kein x M, x m, existiert mit m x). Sei M die Menge aller Graphen von Lösungen des Anfangswertproblems: M = {Γ Γ = {(x, y(x)) x I} wobei y : I K N eine Lösung des Anfangswertproblems auf I} Betrachte auf M die Relation: Klar: Γ 1 Γ 2 : Γ 1 Γ 2 (Mengeninklusion in R K n ) M (nach dem Satz von Peano) ist eine Ordnung auf M 4 (x, y, z M : x y, y z) x z 5 (x, y M : x y, y x) x = y 6 Eine Teilmenge ist geordnet, wenn für alle x, y aus der Teilmenge entweder gilt: x y oder y x. 7 Ein Element y M heißt obere Schranke einer Teilmenge, wenn x y für alle x aus der Teilmenge. 26

12 Jede geordnete Teilmenge E von M besitzt eine obere Schranke in M ( Γ, das ist der Graph einer Lösung des Anfangswertproblems). Nach dem Lemma von Zorn existiert ein maximales Element Γ M, d.h. die zu Γ gehörige Funktion y (die Funktion deren Graph Γ ist) ist maximale Lösung. Γ E Frage: Verhalten von Lösungen am Rande ihres maximalen Existenzintervalls? Beispiele: 1) { y = 1 + y 2 y(0) = 1 Die rechte Seite f : R R R, (x, y) 1 + y 2 ist stetig. Lösung durch Trennung der Variablen: y(x) s 2 ds = 0 1 ds arctan(y(x)) arctan(1) = x ( y(x) = tan x + π ) für x + π ] 4 4 π 2 ; π [ 2 d.h. die eindeutige maximale Lösung des Anfangswertproblems ist y : ] 3 4 π; π [ ( R, x tan x + π ) 4 4 Das maximale Existenzintervall ist beschränkt, offen und die maximale Lösung auf diesem Intervall strebt in den Randpunkten des Existenzintervalls gegen + bzw.. 2) { 1 y 2 y = 1 x 2 y(0) = 1 2 Die rechte Seite f : ] 1; 1[ ] 1; 1[ R, (x, y) 1 y 2 1 x 2 ist stetig. 27

13 Lösung des Anfangswertproblems mittels Trennung der Variablen: y(x) s 2 ds = x s 2 ds ( ) 1 arcsin (y(x)) arcsin 2 }{{} = π 4 = arcsin(x) arcsin(0) }{{} =0 ( y(x) = sin arcsin(x) + π ) 4 und x ] 1; 1[ aber y(x) 1 1 < x < 1 2 Die Integralkurve strebt in diesem Fall an den Randpunkten des (offenen) Existenzintervalls gegen den Rand des Definitionsbreiches der rechten Seite. Diese Beobachtungen sind nicht zufällig, sondern beschreiben typische Fälle des Randverhaltens von maximalen Lösungen. Allgemein gilt: Wenn f : D offen R K N K N stetig, (, y 0 ) D, y eine maximale Lösung des Anfangswertproblems { y = f(x, y) y( ) = y 0 ist und I der Definitionsbereich von y, dann gilt: 1) I ist ein offenes Intervall. Beweis: durch Widerspruch: angenommen I ist z.b. rechtsseitig abgeschlossen, d.h. von der Form ]a; b] oder [a; b] mit a R { }, b R, a < b. Nach dem Satz von Peano besitzt das Anfangswertproblem { w = f(x, y) w(b) = y(b) (2.8) eine lokale Lösung (da (b, y(b)) D, f stetig auf D), d.h. es existiert α > 0 und eine Funktion w : [b α; b+α] R, die Lösung des Anfangswertproblems (2.8) ist. Sei nun { y(x), x I u(x) := w(x), x [b; b + α] Da w(b) = y(b) und y und w auf ihren jeweiligen Definitionsbereichen stetig sind, ist u stetig. Es ist auch klar, dass u in allen Punkten mit Ausnahme eventuell von b differenzierbar ist und die Differentialgleichung y = f(x, y) erfüllt. 28

14 Da y eine Lösung der Differentialgleichung y = f(x, y) auf I =]a; b] ( [a; b] ) ist, gilt insbesondere, dass y linksseitig differenzierbar in b ist mit d y(b) = f (b, y(b)) = f (b, u(b)). dx Analog gilt für w: w ist rechtsseitig differenzierbar in b und es gilt: d + w(b) = f (b, w(b)) = f (b, u(b)). dx + Also ist u auch in b differenzierbar und genügt der Differentialgleichung. Daher ist u eine echte Fortsetzung von y. Widerspruch zur Maximalität von y. 2) Enweder ist das Existenzintervall I der maximalen Lösung y unbeschränkt oder rechtsseitig beschränkt: I =]a; b[, a R { }, b R mit a < b und in diesem Fall gilt: 8 lim sup y(x) = + y b oder lim inf dist ((x, y(x)); D) = 0 x b oder I ist linksseitig beschränkt, d.h. I =]a; b[, a R, b R {+ }, a < b, und es gilt dann lim sup y(x) = + y a + oder lim inf dist ((x, y(x)); D) = 0 x a + Beweis: Angenommen, I ist rechtsseitig beschränkt: I =]a; b[ mit b R und nehmen wir an, dass lim sup y(x) < +. Dann existiert eine linksseitige Umgebung x b von b: [b ε; b[, ε > 0 genügend klein, so dass a < b ε, und y ist beschränkt auf [b ε; b[. Sei Γ = {(x, y(x)) x [b ε; b[}. Dann ist also Γ eine beschränkte Teilmenge von D. Also ist Γ kompakt in R K N. Angenommen Γ D. Da f stetig auf D ist, ist f beschränkt auf Γ. Insbesondere ist dann, da y (x) = f (x, y(x)) x [b ε; b[, die Ableitung y von y beschränkt auf [b ε; b[. Nach dem Mittelwertsatz ist die Funktion y dann gleichmäßig stetig auf [b ε; b[ und daher existiert der Grenzwert lim y(x) =: z, und es gilt (b, z) D. x b Die Funktion u(x) = { y(x), x I z, x = b 8 Ist (X, ) ein normierter Raum, a X, M X, dann ist dist(a, M) := inf a m m M 29

15 ist dann eine stetige Fortsetzung von y. Tatsächlich ist u eine Lösung des Anfangswertproblems auf I b. In der Tat gilt { y (x) = f (x, y(x)) x y(x) = y y( ) = y f (s, y(s)) ds x I Durch Übergang zum Limes x b in der integralen Formulierung erhält man b u(b) = y 0 + f (s, u(s)) ds, also erfüllt u die Integralidentität auf I {b}. Damit ist u eine Fortsetzung von y. Da y maximale Lösung ist, ist dies nicht möglich. Also gilt notwendigerweise: (b, z) Γ mit (b, z) D. Dann existiert (x n, y(x n )) n Γ D mit (x n, y(x n )) n (b, z) und (b, z) D, d.h. aber gerade dist((x n, y(x n )), D) n 0, also gilt: lim inf dist ((x, y(x)); D) = 0 x b Korollar 2.1 Sei I ein offenes Intervall in R, D = I K N R K N, f : D K N stetig, (, y 0 ) D. Wenn f auf D beschränkt ist, dann besitzt das Anfangswertproblem { y = f(x, y) y( ) = y 0 mindestens eine auf ganz I definierte Lösung. Beweis: Nach dem Satz von Peano besitzt das Anfangswertproblem mindestens eine lokale Lösung, die sich nach Satz 2.2 zu einer maximalen Lösung y des Anfangswertproblems auf einem offenen maximalen Existenzintervall I max =]c; d[ fortsetzen lässt, c, d R {± }, c < d. Das Intervall I ist von der Form ]a; b[ mit a, b R {, + }, a < b. Angenommen, d < b. Dann gilt notwendigerweise lim sup y(x) = +. x d Nach der Voraussetzung ist sup (x,z) D f(x, z) =: M <. Da y (x) = f(x, y) x ]c; d[ gilt, erhalten wir somit y (x) M x ]c; d[. Deshalb gilt, nach dem Mittelwertsatz für Vektorwertige Funktionen, y(x) y( ) M x x ]c; d[ 30

16 Also: y(x) M x + y 0 x ]c; d[ im Widerspruch zu lim sup y(x) = +. x d Genauso folgt, dass a = b. Beispiel: Das Anfangswertproblem { y = sin(x) arctan(y) y( ) = y 0 (, y 0 ) R R, besitzt nach Korollar 2.1 mindestens eine maximale Lösung y auf R, d.h. das Anfangswertproblem ist global auf R lösbar. Definition 2.2 Sei f : D K M+n K P eine Funktion, M, N, P N. i) Falls eine Konstante L 0 existiert, so dass f(x, y) f(x, z) L y z (x, y), (x, z) D dann heißt f (global) Lipschtiz-stetig bezüglich y K N in der Menge D mit Lipschitz-Konstante L. ii) Wenn für alle (x, y) D eine Umgebung U (x,y) in D existiert, so dass die Einschränkung von f auf U (x,y) Lipschitz-stetig auf U (x,y) bezüglich y ist, dann wird f lokal Lipschitz-stetig bzgl. y in D genannt. Beispiele: i) Wenn f : D offen R 2 R stetig ist und f(x, y) stetig partiell differenzierbar nach y in D ist, dann ist f lokal Lipschitz-stetig bezüglich y in D. Beweis: Wenn (, y 0 ) D, dann existiert R := [ a; + a] [y 0 b; y 0 + b] D (a < b). Da nach Voraussetzung (x, y) D f(x, y) y stetig, ist diese Funktion y f(x, y) insbesondere auf R beschränkt. Sei M := sup (x,y) R f(x, y) y. 31

17 Dann gilt nach dem Mittelwertsatz f(x, y) f(x, z) M y z (x, y), (x, z) R ii) Übungsaufgabe: Wenn D R 2 kompakt, f : D R stetig und lokal Lipschitz-stetig bzgl y in D, dann ist f global Lipschitz-stetig bzgl. y auf D. iii) f : R ]0; + [ R (x, y) x y Klar: f ist stetig auf R ]0; + [. f ist nicht global Lipschitz-stetig auf R ]0; + [, denn f(x, y) f(x, z) = x ( y z ) = x y z y + z d.h. aber y z f(x, y) f(x, z) y z = x y + z x,z 0 + also kann der Differenzenquotient f(x,y) f(x,z) y z nicht nach oben durch eine Konstante abgeschätzt werden auf R ]0; + [. Allerdings ist f lokal Lipschitzstetig bzgl. y in R ]0; + [ da f in R ]0; + [ stetig partiell nach y differenzierbar ist: f(x, y) = x y 2 y ist stetig in (x, y) R ]0; + [. Satz 2.3 (Satz von Picard-Lindelöf - lokal quantitative Version) Sei f : D offen R K N K N stetig, (, y 0 ) D, R a,b = [ α; + α] { y K N y y 0 b } D, (a < b). Sei außerdem f Lipschitz-stetig bzgl, y auf R a,b. Dann besitzt das Anfangswertproblem { y = f(x, y) y( ) = y 0 im Rechteck R a,b genau eine Lösung y auf dem Intervall [ α; + α], wobei α := min { a, b M } und M := max (x,y) R a,b f(x, y). 32

18 Beweis: 1. Methode: Nach dem Satz von Peano (und seinem Beweis) existiert mindestens eine Lösung y des Anfangswertproblems auf [ α; + α]. Sei z eine weitere Lösung des Anfangswertproblems auf [ α; + α], die ganz in R a,b verläuft. Dann erfüllen y und z insbesondere die zum Anfangswertproblem äquivalenten Integralgleichungen auf [ α; + α]. Also folgt y(x) z(x) = f (s, y(s)) f (s, z(s)) ds x [ α; + α] Also gilt y(x) z(x) f (s, y(s)) f (s, z(s)) ds L y(s) z(s) ds x [ α; + α] wobei L eine Lipschitz-Konstante von f bzgl. y auf R a,b. y(x) z(x) αl max y(s) z(s) s [ α; +α] }{{} unabhängig von x x [ α; + α] Daher ist sup y(x) z(x) Lα max y(x) z(x) x [ α; +α] x [ α; +α] Falls α L < 1, dann folgt sofort y(x) = z(x) x [ α; + α]. Fall: α L 1: Dann wähle man 0 < α < α mit α L < 1 und zeige zunächst wie im 1. Fall, dass y z auf [ α ; + α ]. Danach muss y und z iterativ auf den Intervallen [ ; + 2α ], [ + α ; + 3α ], etc. verglichen werden (analog linksseitig von ). 2. Methode: Picard-Approximationen Definiere die Picard-Iterierten: u 0 (x) := y 0, x [ α; + α] u n+1 (x) := y 0 + f (s, u n (s)) ds, x [ α; + α], n N u n ist wohldefiniert n N: Beweis durch Induktion: 33

19 n = 0: klar. n = 1: u 1 (x) := y 0 + f (s, y 0 ) ds ist wohldefiniert, da y 0 {y y y 0 b}. Induktionsschritt: n n + 1: Angenommen, u n ist wohldefiniert und u n (x) y 0 b, x [ α; + α]. Dann gilt: u n+1 (x) y 0 = f (s, u n (s)) ds f (s, u n (s)) ds }{{} M x M αm b für alle x [ α; + α]. u n ist stetig auf [ α; + α], n (Beweis mit Induktion, klar). Es gilt: u n+1 (x) u n (x) ML n x n+1, n N, x [ α; + α] (2.9) (n + 1)! Beweis mit Induktion: n = 0: u 1 (x) u 0 (x) = 0 + f (s, y 0 ) ds y 0 M x x [ α; + α] Induktionsschritt n n + 1: Angenommen, die Abschätzung (2.9) gilt für ein 34

20 n, dann gilt: u n+1 (x) u n+1 (x) = f (s, u n+1 (s)) f (s, u n (s)) ds f (s, u n+1 (s)) f (s, u n (s)) ds L u n+1 (s) u n (s) ds L u n+1 (s) u n (s) ds I.A. ML n+1 x s n+1 ds (n + 1)! x 0 [ ] = ML n+1 s n+2 x s (n + 2)! s = ML n+1 x n+2, x [ α; + α] (n + 2)! (u n ) n konvergiert gleichmäßig auf [ α; + α] gegen eine stetige Funktion Es gilt: n 1 u n (x) y 0 = (u k+1 (x) u k (x)) n N, x [ α; + α] k=0 Seien nun n, m N beliebig, n > m. Dann gilt: u n (x) u m (x) = = (2.9) = n 1 m 1 (u k+1 (x) u k (x)) (u k+1 (x) u k (x)) k=0 k=0 n 1 (u k+1 (x) u k (x)) k=m n 1 k=m n 1 ML k x k+1 (k + 1)! ML k αk+1 (k + 1)! k=m n 1 M L k=m (Lα) k+1 (k + 1)! 35

21 x k k! = e x konvergent x R, also insbesondere ist konver- Da k=0 ( n gent (mit Wert e Lα 1), d.h. die Partialsummen k=0 (Lα) k+1 (k+1)! k=0 (Lα) k+1 (k+1)! ) n bilden eine Cauchy-Folge in R. Mit anderen Worten, für ε > 0 existiert n 0 N so, dass n 1 k=0 (Lα) k+1 m 1 (k + 1)! k=0 Also folgt n > m > n 0 : d.h. (Lα) k+1 (k + 1)! < ε L M u n (x) u m (x) < ε x [ α; + α] n > m > n 0 sup u n (x) u m (x) < ε n > m > n 0. x [ α; +α] Also ( ( ist (u n ) n eine Cauchy-Folge im Banachraum der stetigen Funktionen C [x0 α; + α] ; K N) ), wobei f := sup f(x), f C ( [ α; + α] ; K N), x [ α; +α] und daher konvergiert (u n ) n N gleichmäßig gegen eine Funktion u auf [ α; + α]. u ist eine Lösung des Anfangswertproblems Erinnerung: u n+1 (x) = y 0 + f (s, u n (s)) ds x [ α; + α], n (2.10) Außerdem gilt n, m N, s [ α; + α] : f (s, u n (s)) f (s, u m (s)) L u n (s) u m (s) Da (u n ) n gleichmäßig konvergente Folge, folgt daher sofort, dass auch f (s, u n (s)) gleichmäßig auf [ α; + α] gegen f (s, u (s)) für n konvergiert. Daher darf beim Übergang zum Limes für n in (2.10) Limes und Integration vertauscht werden. u (x) = lim u n+1(x) = y 0 + lim n n f (s, u n (s)) ds = y 0 + lim f (s, u n(s)) ds n 36

22 Man erhält so u (x) = y 0 + f (s, u (s)) ds x [ α; + α] d.h. aber gerade, dass u Lösung des Anfangswertproblems ist. Es bleibt zu zeigen, dass u die einzige Lösung des Anfangswertproblems in R a,b auf [ α; + α] ist. Sei z eine beliebige Lösung des Anfangswertproblems in R a,b auf [ α; + α]; dann gilt also: z(x) = y 0 + Behauptung: f (s, z(s)) ds x [ α; + α] z(x) y 0 ML n x n+1 Beweis mit Induktion: n = 0: z(x) y 0 = (n + 1)! n, x [ α; + α] (2.11) f (s, z(s)) ds M x n n + 1: Angenommen, (2.11) gilt für ein n N. Dann folgt: z(x) u n+1 (x) = f (s, z(s)) f (s, u n (s)) ds L z(s) u n (s) ds I.A. x ML n+1 n+1 s ds (n + 1)! = ML n+1 x n+2 (n + 2)! Da ML n x n+1 (n+1)! 0 (n ), folgt durch Übergang zum Limes in (2.11), dass z(x) u (x) = 0 x [ α; + α], d.h. z u und somit ist u die eindeutige Lösung des Anfangswertproblems. Satz 2.4 (Satz von Picard-Lindelöf - lokal qualitative Version) Seien f : D offen R K N K N stetig, lokal Lipschitz-stetig bezüglich y in D, 37

23 (, y 0 ) D. Dann besitzt das Anfangswertproblem { y = f(x, y) y( ) = y 0 eine eindeutig bestimmte Lösung, d.h. es existiert α = α(, y 0 ) > 0 derart, dass das Anfangswertproblem auf dem Intervall [ α; + α] genau eine Lösung besitzt. Beweis: Da D offen, (, y 0 ) D und f loakl Lipschitz-stetig bezüglich y auf D, existieren a, b > 0 so, dass R a,b := [ α; + α] { y K N y y 0 b } D und die Einschränkung von f auf R a,b Lipschitz-stetig ist. Nach Satz 2.3 existiert daher genau eine Lösung des Anfangswertproblems in R a,b auf dem Intervall [ α; + α] mit α = min { a; b M }, M = sup (x,y) R a,b f(x, y). Sei nun z eine beliebige Lösung des Anfangswertproblems auf [ α; + α]. Es reicht zu zeigen, dass {(x, z(x)) x [ α; + α]} R a,b, d.h. z(x) y 0 b x [ α; + α] gilt. Beweis durch Widerspruch: Angenommen, es existiert x 1 [ α; + α] mit z(x 1 ) y 0 > b. o.b.d.a. x 1 >. Sei x := sup {x [ ; x 1 ] z(s) y 0 b s [ ; x 1 ]}. Da z stetig, gilt: z(x) y 0 = b. Außerdem gilt: x < x 1 x 1 + α. Andererseits gilt: z (x) = f (x, z(x)) x [ ; x] (denn dort gilt z(x) y 0 b!). Also folgt nach dem Mittelwertsatz z(x) y 0 = z(x) z( ) M x x [ ; x]. Insbesondere folgt für x = x: b = z(x) y 0 M x < Mα b Widerspruch. 38

24 Satz 2.5 (Satz von Picard-Lindelöf (globale Version)) Seien f : D offen R K N K N stetig, lokal Lipschitz-stetig bzgl. y in D, (, y 0 ) D. Dann existiert ein eindeutig bestimmtes offenes Intervall ]I, I + [ R mit folgenden Eigenschaften: i) Das Anfangswertproblem { y = f(x, y) y( ) = y 0 besitzt genau eine Lösung y auf ]I, I + [. ii) Ist z : J K N eine beliebige Lösung des Anfangswertproblems, so gilt J ]I, I + [ und z = y J. Beweis: Nach Satz 2.4 ist das Anfangswertproblem lokal eindeutig lösbar; nach Satz 2.2 ist die lokale Lösung zu einer maximalen Lösung y auf ein offenes maximales Existenzintervall ]I ; I + [ fortsetzbar. Sei nun z : J K N eine beliebige weitere Lösung des Anfangswertproblems. Zeige zunächst: z = y auf J ]I ; I + [. Angenommen dies gilt nicht. Dann existiert x J ]I ; I + [ mit z(x ) y(x ). o.b.d.a x > (der Fall x < wird analog behandelt). Sei nun x := sup {x [ ; x ] y(s) = z(s) s mit s x}. Dann gilt natürlich: y(x) = z(x), und nach Satz 2.4 besitzt das Anfangswertproblem { w = f(x, w) w(x) = y(x) eine eindeutig bestimmte Lösung w auf einem Intervall [x β; x + β] für ein geeignetes β > 0. Da aber y und z Lösungen dieses Anfangswertproblems, müssten y und z auch noch in einer rechtsseitigen Umgebung von x übereinstimmen. Widerspruch zur Definition von x. Zeige nun: J ]I ; I + [ Angenommen, I + J; dann wäre y in I + durch y(i + ) := z(i + ) fortsetzbar und diese Fortsetzung wäre Lösung des Anfangswertproblems. Widerspruch zur Maximalität von y. Analog zeigt man: I J. Da J ]I ; I + [, folgt somit: J ]I ; I + [. Damit folgt dann auch, dass z = y J. Die Eindeutigkeit des maximalen Existenzintervalls folgt leicht aus ii): Wären Imax, 1 Imax 2 zwei offene Intervalle, die i) + ii) erfüllen, gilt nach ii) insbesondere, dass Imax 1 Imax 2 und Imax 2 Imax, 1 also Imax 1 = Imax. 2 Bemerkung: ]I ; I + [ ist das maximale Existenzintervall für das Anfangswertproblem und y ist 39

25 die eindeutige maximale Lösung des Anfangswertproblems. Bezeichnung daher: I max = ]I ; I + [, y max = y. Im Allgemeinen kann ein Anfangswertproblem { y = f(x, y) y( ) = y 0 bei nur stetiger rechter Seite f mehrere maximale Lösungen besitzen, die auf unterschiedlichen maximalen Existenzintervallen definiert sein können. Beispiel: (modifiziertes Beispiel aus dem 2. Tutoriumsblatt, Aufgabe 2) y 2, y > 1 y y, 0 < y 1 = f(y) mit F (y) = y, 1 < y 0 y 2, y 1 Klar: F ist stetig, aber F ist nicht lokal Lipschitz-stetig bzgl. y in 0: F (y) F (0) y = y 0 y = 1 y 0 y Tatsächlich besitzt das Anfangswertproblem verschiedene Maximale Lösungen: etwa: und y 1 max : R R x 0 ymax 2 : ] 3; 3[ R y 2 max(x) = 1 3 x, 2 < x < 3 x 2 4, 0 < x 2 x2 4 1 x+3, 2 < x < 0, 3 < x 2 Frage: Wann sind maximale Lösungen globale Lösungen? Beispiel: { y = y 2 =: f(x, y) y(0) = 1 besitzt die Lösung y gegeben durch y 1 1 s 2 ds = 0 1 y + 1 = x y = 1 ds 1 1 x, x < 1 40

26 y : ] ; 1[ R x 1 1 x ist die eindeutige Lösung maximale Lösung des Anfangswertproblems. Das Anfangswertproblem ist nicht global auf R lösbar. Das vorige Beispiel zeigt, dass, wenn f : I K N K N, I R offenes Intervall, f stetig und lokal Lipschitz-stetig bzgl. y auf I K N, dann ist im Allgemeinen das Anfangswertproblem { y = f(x, y) y( ) = y 0 mit (, y 0 ) I K N nicht global auf I lösbar. Mit anderen Worten: im Allgemeinen ist I max I. Satz 2.6 (Existenz von globalen Lösungen) Seien I R ein offenes Intervall, f : I K N K N stetig, (, y 0 ) I K N, Falls f für jedes kompakte Intervall J I Lipschitz-stetig bzgl. y auf J K N ist, dann hat das Anfangswertproblem { y = f(x, y) y( ) = y 0 genau eine globale Lösung y auf I. Beweis: Man sieht leicht, dass unter den Voraussetzungen des Satzes f insbesondere lokal Lipschitz-stetig auf ganz I K N ist. Nach Satz 2.5 besitzt das Anfangswertproblem also eine eindeutige maximale Lösung y auf einem maximalen Intervall ]I ; I + [. Zeige: ]I ; I + [ = I Seien c, d R {± } mit I = ]c; d[. Angenommen: I + < d. Sei T + ]I + ; d[. Ziel ist zu zeigen, dass y auf [I + ; T + [ fortgesetzt werden kann zu einer Lösung auf ]I + ; T + [, was der Maximalität von y widerspricht. Sei außerdem T ]I ; [. Dann ist nach Voraussetzung f Lipschitz-stetig bzgl. y auf [T ; T + ] K N. Sei L eine zugehörige Lipschitz-Konstante. Dann gilt für alle (x, y) [T + ; T ] K N : f(x, y) f(x, y) f(x, y 0 ) + f(x, y 0 ) f(, y 0 ) + f(, y 0 ) L y y 0 + max f(x, y 0) f(, y 0 ) + f(, y 0 ) x [T ;T + ] }{{}}{{} =:c 3 =:c 2 L y + L y 0 +c }{{} 2 + c 3 =:c 1 41

27 Sei c := c 1 + c 2 + c 3. Dann gilt: f(x, y) L y + c (x, y) [ T ; T +] K N ( d.h. f wächst höchstens linear in y auf dem Streifen [T ; T + ] K N ). Sei nun n N genügend groß gewählt so, dass h := T + n < 1 L o.b.d.a. : h > T. Behauptung: Jedes der Anfangswertprobleme { y = f(x, y) y(ξ) = η mit (ξ, η) [ ; T + h] K N hat genau eine Lösung auf dem Intervall [ξ h; ξ + h]. Da die Längen der Lösungsintervalle hierbei nicht vom Anfangswertepaar abhängen, lässt sich so die maximale Lösung y zum Anfangswertepaar (, y 0 ) in n Schritten von nach rechts bis zum Punkt T + = + nh fortsetzen. Widerspruch. Beweis der Behauptung: Sei (ξ, η) [ ; T + h] K N. Sei b := Dann gilt sicherlich: L η + c h (> 0!) (2.12) 1 Lh R h,b = [ξ h; ξ + h] { y K N y η b } I K N (sogar [T ; T + ] K N.) und die Funktion f erfüllt auf R h,b die Abschätzung d.h. f(x, y) L ( η + b) + c = (L η + c) + Lb (1 Lh)b + Lb h b = h, (2.12) = M := max R j,b f(x, y) b h b M L. Deshlab: α = min { } b h, = h. M Die Behauptung folgt somit aus dem Satz 2.4 von Picard-Lindelöf. 42

28 Satz 2.7 Seien I R offenes Intervall, f : I K N K N stetig, (, y 0 ) I K N und f sei lokal Lipschitz-stetig bzgl. y in I K N. Ist das Wachstum von f linear beschränkt in y auf I K N im folgenden Sinne: es existieren stetige Funktionen a, b : I R + 0 = [0; + [ so, dass f(x, y) a(x) y(x) + b(x) (x, y) I K N dann existiert genau eine globale Lösung des Anfangswertproblems { y = f(x, y) auf I. y( ) = y 0 Beweis: Wie Beweis von Satz 2.6, wobei L, c die jeweiligen Maxima der stetigen Funktionen a bzw. b auf [T ; T + ] sind. Beispiel: y = x 4 y sin(y) + e x2 }{{} =:f(x,y) f : R R R ist stetig, loakl Lipschitz-stetig in y auf R R (da die partielle Ableitung von f nach y existiert: y f(x, y) = x4 (sin(y) + y cos(y)) und stetig auf R R ist). f hat linear beschränktes Wachstum in y: f(x, y) }{{} x 4 y + }{{} e x2 =:a(x) =:b(x) mit a, b : R R stetig, für alle (x, y) R R. Achtung: f erfüllt nicht die globale Lipschitz-Bedingung aus Satz 2.6: mit f(x, y) f(x, z) y z = x4 y sin(y) z sin(z) y z y = (4k + 1) π 2 z = (4k + 3) π 2 k Z gilt: f(x, y) f(x, z) y z = x 4 (4k + 1) π 2 + (4k + 3) π 2 π 43 k

29 Aber nach Satz 2.7 kann man nun folgern, dass für jedes beliebige Anfangswertepaar (, y 0 ) R R das Anfangswertproblem { y = x 4 y sin(y) + e x2 y( ) = y 0 genau eine globale Lösung auf R besitzt. Bemerkung: Dies ist insofern interessant, als dass das Anfangswertproblem nicht explizit für uns lösbar ist und das Richtungsfeld der Differentialgleichung eher vermuten lässt, dass die maximalen Lösungen in endlicher Zeit explodieren. 44

Übungen zu Differentialgleichungen (WiSe 12/13)

Übungen zu Differentialgleichungen (WiSe 12/13) Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale

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

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

Gewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung

Gewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung Gewöhnliche Differentialgleichungen Woche 7 Globale Existenz einer Lösung 7.1 Von lokal zu global Wir betrachten wiederum das Anfangswertproblem { y (x = f (x, y(x, y( = y 0. (7.1 Eine erste Erweiterung

Mehr

Lösung zu Kapitel 5 und 6

Lösung zu Kapitel 5 und 6 Lösung zu Kapitel 5 und 6 (1) Sei f eine total differenzierbare Funktion. Welche Aussagen sind richtig? f ist partiell differenzierbar f kann stetig partiell differenzierbar sein f ist dann immer stetig

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

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

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 Vollständigkeit Andreas Schmitt Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 1 Einleitung Bei der Konvergenz von Folgen im Raum der reellen Zahlen R trifft man schnell auf den Begriff der Cauchy-Folge.

Mehr

Höhere Mathematik III für die Fachrichtung Physik Wintersemester 2016/17. Lösungsvorschlag zu Übungsblatt 5

Höhere Mathematik III für die Fachrichtung Physik Wintersemester 2016/17. Lösungsvorschlag zu Übungsblatt 5 Institut für Analysis Dr. Christoph Schmoeger M.Sc. Jonathan Wunderlich Höhere Mathematik III für die Fachrichtung Physik Wintersemester 6/7..7 Lösungsvorschlag zu Übungsblatt 5 Aufgabe 6: Zeigen Sie mit

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, Stetigkeit Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn

Mehr

Randwertprobleme. Kapitel 7. Randwertprobleme für lineare Differentialgleichungen 2. Ordnung

Randwertprobleme. Kapitel 7. Randwertprobleme für lineare Differentialgleichungen 2. Ordnung Kapitel 7 Randwertprobleme Anwendungsbeispiel: Temperaturverteilung in einem dünnen Stab mit isolierter Oberfläche. u(x) : Temperatur im Stab an der Stelle x, x ; L. Im Gleichgewichtszustand genügt u der

Mehr

1 Die direkte Methode der Variationsrechnung

1 Die direkte Methode der Variationsrechnung Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,

Mehr

Maximalität und Globalität von Lösungen

Maximalität und Globalität von Lösungen Gewöhnliche Differentialgleichungen Florian Wörz SoSe 205 Maximalität und Globalität von Lösungen Maximale Lösungen Sei Ω : T U R R n ein Gebiet, f : Ω R n stetig und (t 0, u 0 ) Ω. Im Folgenden betrachten

Mehr

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 2

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 2 Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt Aufgabe : a Zeigen Sie: Für alle Anfangsdaten u 0, t 0 R R hat das Anfangswertproblem

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

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist 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

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

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

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

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

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

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

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Übungsblatt 2 - Analysis 2, Prof. G. Hemion Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.

Mehr

MIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen

MIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare

Mehr

Stetige 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. 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

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

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

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

D-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v.

D-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v. D-ITET Analysis II FS 3 Prof. Horst Knörrer Musterlösung. a) Es gilt: dy d 3 + y 3 3y 3 y + y 3. Dies ist eine homogene Differentialgleichung, das heisst y hängt nur von y ab. Setze v : y y() v() y v +

Mehr

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e) 27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.

Mehr

Höhere Mathematik für Physiker II

Höhere Mathematik für Physiker II Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 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

Mehr

Skript zur Vorlesung Analysis 3

Skript zur Vorlesung Analysis 3 Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..

Mehr

Analysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Analysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching Analysis I 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 26, 207 Erinnerung Satz. (Zwischenwertsatz) Sei f : [a, b] R stetig mit f(a) f(b). Dann gibt es zu jedem

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

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

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

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

Klausur - Analysis I Lösungsskizzen

Klausur - Analysis I Lösungsskizzen Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit und falsche Aussagen mit. Es sind keine Begründungen

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 2

Technische Universität München Zentrum Mathematik. Übungsblatt 2 Technische Universität München Zentrum Mathematik Mathematik 2 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 2 Hausaufgaben Aufgabe 2.1 Sei [a, b] R ein Intervall und ( ) n N [a,

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

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

Wiederholungsklausur zur Analysis I

Wiederholungsklausur zur Analysis I Wiederholungsklausur zur Analysis I Prof. Dr. C. Löh/M. Blank 5. Oktober 2011 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten

Mehr

Analysis I - Stetige Funktionen

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

Mehr

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Gewöhnliche Differentialgleichungen Aufgaben für das Seminar und zum selbständigen Üben 22. Januar 2018 Vorbereitende Übungen Aufgabe 1: Bestimmen Sie die Isoklinen zu den folgenden Differentialgleichungen

Mehr

Theorie der Anfangswertaufgaben

Theorie der Anfangswertaufgaben 34 KAPITEL 3 Theorie der Anfangswertaufgaben In diesem Abschnitt geht es um eine allgemeine theoretische Untersuchung von Anfangswertaufgaben der Form: Anfangswertproblem: Dabei ist y (x) = f(x, y(x)),

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

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

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

Mehr

5 Numerische Iterationsverfahren

5 Numerische Iterationsverfahren In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung

Mehr

12 Biholomorphe Abbildungen

12 Biholomorphe Abbildungen 12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt

Mehr

Formelsammlung Analysis I & II

Formelsammlung Analysis I & II Formelsammlung Analysis I & II Wichtige eindimensionale Integrale: { x s dx = s+ xs+ + C falls s log x + C falls s = exp(x dx = exp(x + C cos(x dx = sin(x + C sin(x dx = cos(x + C sinh(x dx = cosh(x +

Mehr

Der Satz von Arzelà-Ascoli und der Satz von Peano

Der Satz von Arzelà-Ascoli und der Satz von Peano Der Satz von Arzelà-Ascoli und der Satz von Peano Judith Vorwerk 13.05.2013 Inhaltsverzeichnis 1 Der Satz von Arzelà-Ascoli 5 2 Der Satz von Peano 10 2 Einleitung Diese Ausarbeitung beschäftigt sich mit

Mehr

Folgen und Reihen von Funktionen

Folgen und Reihen von Funktionen Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die

Mehr

Funktionalanalysis II. Sommersemester 2002

Funktionalanalysis II. Sommersemester 2002 Funktionalanalysis II Sommersemester 2002 Prof. Dr. Michael Růžička Inhaltsverzeichnis 1 Fixpunktsätze 1 1.1 Der Banachsche Fixpunktsatz....................... 2 Gewöhnliche Differentialgleichungen....................

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

Thema 5 Differentiation

Thema 5 Differentiation Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt

Mehr

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. 6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,

Mehr

Bemerkung Als Folge von Satz 6.2 kann man jede ganze Funktion schreiben als Potenzreihe. α m z m. f(z) = m=0. 2πi. re it t [0,2π] 2πi

Bemerkung Als Folge von Satz 6.2 kann man jede ganze Funktion schreiben als Potenzreihe. α m z m. f(z) = m=0. 2πi. re it t [0,2π] 2πi Funktionentheorie, Woche 7 Eigenschaften holomorpher Funktionen 7.1 Ganze Funktionen Definition 7.1 Eine Funktion f : C C, die holomorph ist auf C, nennt man eine ganze Funktion. Bemerkung 7.1.1 Als Folge

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

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

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

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Analysis 1. Torsten Wedhorn. f(x) f( x) x x. (2) Die Funktion f heißt auf D differenzierbar, falls f in jedem Punkt x D differenzierbar ist.

Analysis 1. Torsten Wedhorn. f(x) f( x) x x. (2) Die Funktion f heißt auf D differenzierbar, falls f in jedem Punkt x D differenzierbar ist. Analysis Torsten Wedorn 8 Differentiation (A) Differenzierbare Funktionen (B) Recenregeln für die Ableitung (C) Lokale Extrema und Mittelwertsatz (D) Ableitung und Monotonie (E) Der Satz von l Hospital

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

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1. Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )

Mehr

Häufungspunkte und Satz von Bolzano und Weierstraß.

Häufungspunkte und Satz von Bolzano und Weierstraß. Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge

Mehr

Stetigkeit von Funktionen

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

Mehr

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren. 56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt

Mehr

1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen

1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen 1 Einleitung Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis 1 aus dem Wintersemester 2008/09

Mehr

10 Differenzierbare Funktionen

10 Differenzierbare Funktionen 10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h

Mehr

Lösungen zur Analysis-Prüfung Sommer 2017

Lösungen zur Analysis-Prüfung Sommer 2017 Lösungen zur Analysis-Prüfung Sommer 27. Teil: Rechnungen. a) [ Punkt] Berechnen Sie das Integral x dx. x 2 + Es gilt x x 2 + dx = = 2 arsinh(). x 2 + dx = [arsinh(x)] b) [ Punkt] Berechnen Sie das Integral

Mehr

4 Messbare Funktionen

4 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

Mehr

Technische Universität Berlin. Klausur Analysis I

Technische Universität Berlin. Klausur Analysis I SS 2008 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis I 4.07.2008 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung

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:

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

Übungen zu Analysis, SS 2015

Übungen zu Analysis, SS 2015 Übungen zu Analysis, SS 215 Ulisse Stefanelli 15. Juni 215 1 Wiederholung 1. Untersuchen Sie das Verhalten der folgenden Folgen a n = n 2 cosh(1/n), b n = ln(ln(n))/n, c n = (2 n n 2 )/n!, 2. Stellen Sie

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 8.1 (Herbst 2012, Thema 2, Aufgabe 5) Bestimmen Sie die allgemeine Lösung der Differentialgleichung (

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ), D-MATH Topologie FS 15 Theo Bühler Musterlösung 11 1. a) Da (C n, d n ) kompakt ist, nimmt die stetige Funktion d n : C n C n [0, ), (x, y) d(x, y) ihr Maximum diam C n an. Ersetzen wir d n durch d n =

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

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

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))

Mehr

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit 10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2

Mehr

3 Folgen, Reihen und stetige Funktionen

3 Folgen, Reihen und stetige Funktionen Höhere Mathematik 101 3 Folgen, Reihen und stetige Funktionen 3.1 Folgen und Reihen: Definitionen und Beispiele Eine reelle oder komplexe Zahlenfolge ist eine Abbildung, die jeder natürlichen Zahl n eine

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

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 25/6): Differential und Integralrechnung 3 3. (Herbst 2, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende Tatsachen

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

Analysis I. 3. Beispielklausur mit Lösungen

Analysis I. 3. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 3. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine Abbildung F von einer Menge L in eine

Mehr

Funktionentheorie, Woche 11. Funktionen mit Singularitäten Meromorphe Funktionen

Funktionentheorie, Woche 11. Funktionen mit Singularitäten Meromorphe Funktionen Funktionentheorie, Woche Funktionen mit Singularitäten. Meromorphe Funktionen Definition. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P = f ( hat keine

Mehr

8 KAPITEL 1. GRUNDLAGEN

8 KAPITEL 1. GRUNDLAGEN 8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt

Mehr

Analyis I -Metrische Räume - eine Einführung in die Topologie

Analyis I -Metrische Räume - eine Einführung in die Topologie Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X

Mehr

a 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter.

a 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter. 7 Folgen 30 7 Folgen Wir betrachten nun (unendliche) Folgen von Zahlen a 0, a, a 2, a 3,.... Dabei stehen die drei Pünktchen für unendlich oft so weiter. Bezeichnung Wir bezeichnen mit N die Menge der

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom

Mehr

Topologische Aspekte: Eine kurze Zusammenfassung

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

Mehr

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

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

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

Mehr

Aufgaben zur Analysis I aus dem Wiederholungskurs

Aufgaben zur Analysis I aus dem Wiederholungskurs Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden

Mehr

Singuläre Integrale 1 Grundideen der harmonischen Analysis

Singuläre Integrale 1 Grundideen der harmonischen Analysis Singuläre Integrale Grundideen der harmonischen Analsis Jens Hinrichsen und Annina Saluz November 2007 Motivation Ein tpisches Beispiel für ein singuläres Integral ist die Hilbert-Transformation, welche

Mehr