1 Die direkte Methode der Variationsrechnung
|
|
- Elly Morgenstern
- vor 5 Jahren
- Abrufe
Transkript
1 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, verfährt man folgendermaßen: Schritt : Kompaktheit Wähle eine minimierende Folge u ν u + W,p, das heißt lim I(u ν) = inf{i(u)} ν Zeige, dass eine Teilfolge (u νλ ) existiert, die in W,p schwach gegen ein u u + W,p konvergiert. Schritt 2: Schwache Unterhalbstetigkeit Zeige, dass I schwach unterhalbstetig ist: u ν u lim inf ν I(u ν) I(u) Schritt 3: Folgerung der Existenz Ist u ν eine minimierende Folge, so existiert also ein schwacher Grenzwert u (von einer Teilfolge) und dieser ist aufgrund der Unterhalbstetigkeit, zusammen mit der minimierenden Eigenschaft von u ν, Minimierer von I. 2 Beispiel: Das Dirichlet-Integral Betrachte das Dirichlet-Problem inf I(u) = 2 u(x) 2 dx : u u + W,2 () (D) wobei R n offen und beschränkt mit Lipschitz-Rand, u W,2 (). Satz 2. Das Problem besitzt eine eindeutige Lösung u u + W,2. Es lässt sich eine schwache Form der Euler-Lagrange-Gleichung aufstellen (vgl. Kapitel 5), diese wird durch u erfüllt: u(x) ϕ(x) dx = ϕ W,2 Erfüllt andererseits ein u u + W,2 obige Gleichung, so ist u auch Minimierer von (D). Seite: von 7
2 3 Allgemeiner Existenzsatz Satz 3. Sei R n offen und beschränkt mit Lipschitz-Rand, f C ( R R n ). Es gelte: (A) ξ f(x, u, ξ) ist konvex (x, u) (A2) p > q, α >, α 2, α 3 R mit f(x, u, ξ) α ξ p + α 2 u q + α 3 (x, u, ξ) Dann existiert ein Minimierer von (P). Falls zusätzlich (u, ξ) f(x, u, ξ) strikt konvex x, so ist der Minimierer eindeutig. Beweis: Vereinfachende Annahmen: (A+) (u, ξ) f(x, u, ξ) ist konvex (x, u, ξ) (A2+) p >, α >, α 3 R mit f(x, u, ξ) α ξ p + α 3 (x, u, ξ) (A3) β, sodass für alle (x, u, ξ) gilt f u (x, u, ξ), f ξ (x, u, ξ) β( + u p + ξ p ) : Kompaktheit wähle eine minimierende Folge (u ν ) in u + W,p und zeige u ν W,p α für ein α > folgere die Existenz einer schwach konvergenten Teilfolge in W,p (W,p ist reflexiv!) 2: Schwache Unterhalbstetigkeit Sei u ν u in W,p. f ist konvex und in C, also gilt f(x, u ν, u ν ) f(x, u, u) + f u (x, u, u)(u ν u) + f ξ (x, u, u)( u ν u) zeige mit (A3), dass f u L p () und f ξ L p (, R n ) (wobei p + p = ) Mit der Hölder-Ungleichung folgt f u (u ν u) L () und f ξ ( u ν u) L (, R n ) Integration der obigen Gleichung gibt I(u ν ) I(u) + f u (x, u, u)(u ν u) dx + f ξ (x, u, u)( u ν u) dx Die Integralterme verschwinden im Limes (schwache Konvergenz in W,p ), insgesamt ergibt sich lim inf I(u ν) I(u) ν Seite: 2 von 7
3 3: Folgerung der Existenz Ist u ν eine minimierende Folge, so existiert also ein schwacher Grenzwert u (von einer Teilfolge) und dieser ist aufgrund der Unterhalbstetigkeit und der minimierenden Eigenschaft von u ν Minimierer von I. Eindeutigkeit: Falls u v beide Minimierer, so bilde w = u+v 2. Wegen ist w auch Minimierer. m I(w) 2 I(u) + 2 I(v) = m Folgere mittels der (strikten) Konvexität von f: 2 I(u) + + v I(v) I(u ) = 2 2 = 2 f(x, u, u) + u + v f(x, v, v) f(x,, 2 2 = u = v fast überall u + v ) = fast überall 2 4 Optimalität der Bedingungen Im Folgenden sei jeweils = (, ). Beispiel 4.: p = reicht nicht aus Sei f(x, u, ξ) = u 2 + ξ 2, X = {u W, : u() =, u() = }. Man zeigt zuerst m =. Wäre u ein Minimierer, folgt: = I(u) u 2 + u 2 dx u (x) dx u() u() = Dann wäre u = f.ü., was (aufgrund der Stetigkeit) einen Widerspruch zu u() = darstellt Abbildung : Eine minimierende Folge (2., 5. und. Folgenglied) Seite: 3 von 7
4 Beispiel 4.2 (Weierstraß): α > ist notwendig Sei f(x, u, ξ) = xξ 2, X = {u W,2 : u() =, u() = }. Es ist m =. Angenommen, u ist Minimierer: I(u) = x u 2 = f.ü. u = f.ü. u konstant Beispiel 4.3: p q reicht nicht aus Sei f(x, u, ξ) = 2 (ξ2 λ 2 u 2 ) wobei λ > π, X = W,2. Es ist m =, es existiert also kein Minimierer. Beispiel 4.4 (Bolza): Konvexität ist notwendig Sei f(x, u, ξ) = (ξ 2 ) 2 + u 4, X = W,4 Es ist m =. Angenommen u ist Minimierer, dann würde u = und u = f.ü. gelten. Insbesondere da u stetig ist, gibt dies den Widerspruch Abbildung 2: Eine minimierende Folge (2., 5. und. Folgenglied) 5 Euler-Lagrange-Gleichungen Ziel: Finde die Euler-Lagrange-Gleichung zu einem Minimierungsproblem Problem: Der Minimierer u ist nicht notwendigerweise in C 2, sondern nur in W,p. Satz 5. Sei R n offen und beschränkt mit Lipschitz-Rand, f C ( R R n ), p. Es gelte: β (x, u, ξ) : f u (x, u, ξ), f ξ (x, u, ξ) β( + u p + ξ p ) Ist nun u ein Minimierer, so erfüllt u die schwache Euler-Lagrange-Gleichung f u (x, u, u)ϕ + f ξ (x, u, u) ϕ dx = ϕ W,p. (Ew) Falls zusätzlich f C 2 und u C 2, dann erfüllt u auch die starke Formulierung div[f ξ (x, u, u)] = f u (x, u, u) x. (E) Erfüllt umgekehrt u (Ew) oder (E) und ist zusätzlich (u, ξ) f(x, u, ξ) konvex, dann ist u auch Minimierer. Seite: 4 von 7
5 Beweisidee: Berechne Gâteaux-Ableitung von I Zeige I(u + ɛϕ) I(u) lim = ɛ ɛ f u (x, u, u)ϕ + f ξ (x, u, u) ϕ dx u, ϕ W,p I(u+ɛϕ) I(u) Ist u Minimierer von I, so muss insbesondere lim ɛ ɛ = gelten. Damit folgt die schwache Formulierung. Die starke Formulierung folgt dann mit partieller Integration und dem Fundamentallemma der Variationsrechnung. Rückrichtung Sei u Lösung von (Ew), u u + W,p beliebig. Konvexität von f gibt: f(x, u, u) f(x, u, u) + f u (x, u, u)(u u) + f ξ (x, u, u)( u u) I(u) I(u) + f u (x, u, u)(u u) + f ξ (x, u, u)( u u) dx } {{ } =, da u u W,p und somit (Ew) gilt Beispiel 5.2: (E) besitzt Lösung, es existiert aber kein Minimierer Sei f(x, u, ξ) = 2 (ξ2 λ 2 u 2 ) mit λ > π, n =, X = W,2. Die zugehörige Euler-Lagrange-Gleichung u = λ 2 u in = [, ], u() = u() = hat u als Lösung. Das Minimierungsproblem inf f(x, u, u ) dx : u W,2 (, ) hingegen hat keinen Minimierer, da m =. Dies ist kein Widerspruch zu (5.), da (u, ξ) f(x, u, ξ) nicht konvex ist. Beispiel 5.3: (E) besitzt Lösung, dieser ist kein Minimierer, trotzdem existiert ein solcher Sei f(x, u, ξ) = (ξ 2 ) 2, n =, X = W,4. Die zugehörige Euler-Lagrange-Gleichung d dx [u (u 2 )] = in = [, ], u() = u() = hat u als Lösung. Diese Lösung ist allerdings kein Minimierer der Integralgleichung, da I(u) =. Trotzdem existiert ein Minimierer: { x x [, v(x) = 2 ] x x ( 2, ] Dieser ist nicht in C 2 und damit keine Lösung von (E), erfüllt aber (E w ). Seite: 5 von 7
6 6 Der vektorielle Fall Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p (, R N ) wobei R n offen und beschränkt. (PV) Satz 6. Sei n = N = 2, f(x, u, ξ) = F (x, u, ξ, detξ) mit F stetig, u W,p mit I(u ) <. Es gelte: (V) (ξ, δ) F (x, u, ξ, δ) ist konvex (x, u) R 2 (V2) p > max{q, 2}, α >, α 2, α 3 R mit F (x, u, ξ, δ) α ξ p + α 2 u q + α 3 (x, u, ξ, δ) Dann existiert mindestens ein Minimierer von (P V ). Bem: Für n, N 2 lässt sich der Satz auf polykonvexe Funktionen f(x, u, ξ) = F (x, u, ξ, adj 2 ξ,...adj min(n,n) ξ) verallgemeinern. Beweisidee: Vereinfachende Annahmen: f(x, u, ξ) = g(x, u, ξ) + h(x, detξ) mit h(x, δ) C konvex in δ h δ (x, δ) ( + δ p 2 2 ) - zeige Kompaktheit analog zu Satz 3. - zeige schwache Unterhalbstetigkeit für H(u) := - nutze Konvexität von h: h(x, det u(x)) dx h(x, det u ν ) h(x, det u) + h δ (x, det u)(det u ν det u) H(u ν ) H(u) + h δ (x, det u)(det u ν det u) dx - zeige h δ (L p/2 ), dann folgt die Aussage mit der Definition von schwacher Konvergenz in L p/2 und folgendem Lemma aus der Funktionalanalysis: Lemma: Sei = R 2, p > 2. Dann gilt u ν u in W,p (, R 2 ) det u ν det u in L p/2 (, R 2 ) Seite: 6 von 7
7 7 Anhang - Konvexe Funktionen Eine Funktion f : R heißt konvex, falls gilt: f(λx + ( λ)y) λf(x) + ( λ)f(y) x, y, λ [, ] Falls = R n und f C (R n ), so ist Konvexität äquivalent zu f(x) f(y) + f(y) (x y) x, y R n - Schwache Konvergenz in L p und W,p Eine Folge (u ν ) konvergiert schwach gegen u in L p (), falls gilt: (u ν u)ϕ dx ϕ L q () wobei p + q =. Es gilt u ν u in W,p, falls u ν u und u ν u in L p. - Poincaré-Ungleichung Sei R n offen und beschränkt, p. Dann existiert γ > mit u L p u W,p γ u L p u W,p Äquivalent dazu: Falls u u + W,p, wobei u W,p, so existieren γ, γ 2 > mit γ u W,p γ 2 u W,p u L p Seite: 7 von 7
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
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrExistenz höherer Ableitungen
Existenz höherer Ableitungen Bernhard Pfirsch LMU München Zillertal am 15.12.2012 Bernhard Pfirsch Existenz höherer Ableitungen 1/16 Definitionen: Sei der Operator L von der Form Lu = (A u), A : R n n,
MehrFormelsammlung 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 +
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrAnalysis 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
Mehr4 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
MehrEine Einführung in Young-Maße
Seminararbeit Eine Einführung in Young-Maße Im Rahmen des Seminars: Evolutionsgleichungen Universität Bielefeld Fakultät für Mathematik Betreut durch: Prof. Dr. Etienne Emmrich Vorgelegt von: Andrea Nickel
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrKonversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele
Univ.-Prof. Dr. Radu Ioan Boţ, Axel Böhm Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele SS18 A1. Sei f : [, + ) R so, dass und dass ein M existiert mit Zeigen Sie, dass f(s +
Mehr4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden
Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser
MehrD-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.
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrKlausur - Analysis 1
Prof. Dr. László Széelyhidi Analysis I, WS 22 Klausur - Analysis Lösungen Aufgabe. i Punt Definieren Sie, wann x n eine Cauchyfolge ist. Lösung : x n heisst Cauchyfolge wenn es zu jedem ε > ein N N gibt,
Mehr4 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
MehrStetigkeit, Konvergenz, Topologie
Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Stetigkeit, Konvergenz, Topologie 21.03.2012 Inhaltsverzeichnis 1 Stetigkeit und Konvergenz
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrKonvergenz 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
MehrZusammenfassung 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
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
MehrSeminar 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
Mehr30 Die Gammafunktion und die Stirlingsche Formel
3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
MehrAnalysis 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
MehrAnalysis 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
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrSeminar Gewöhnliche Dierentialgleichungen
Seminar Gewöhnliche Dierentialgleichungen Dynamische Systeme II Valentin Jonas 8. 6. 215 1 Einleitung In dem letzten Kapitel "Dynamische Systeme I" ging es vor allem um in t glatte, autonome, dynamische
MehrUniversität 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
MehrÜbungsblatt 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.
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie KIT SS 2013 Institut für Analysis 06.05.2013 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik II für die Fachrichtung Physik 4. Übungsblatt Aufgabe 1 Bestimmen
MehrLösung 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
MehrSchwartz-Raum (Teil 1)
Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation
MehrMusterlösung 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
Mehr12 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
MehrMusterlösung. 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,
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrFinite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrMonotone Funktionen. Definition Es sei D R. Eine Funktion f : D R heißt. (ii) monoton fallend, wenn für alle x, x D gilt. x < x f (x) f (x ).
Monotone Funktionen Definition 4.36 Es sei D R. Eine Funktion f : D R heißt (i) monoton wachsend, wenn für alle x, x D gilt x < x f (x) f (x ). Wenn sogar die strikte Ungleichung f (x) < f (x ) folgt,
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
MehrLösungsvorschlag 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
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrÜbungen 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
MehrWie in der reellen Analysis üblich notiert man Folgen f in der Form
2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches
MehrÜbungen zur Funktionalanalysis Lösungshinweise Blatt 2
Übungen zur Funktionalanalysis Lösungshinweise Blatt 2 Aufgabe 5. Beweisen Sie: Ein kompakter Hausdorffraum, welcher dem ersten Abzählbarkeitsaxiom genügt, ist folgenkompakt. Lösung. Es sei X ein kompakter
MehrKapitel 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
MehrKonvexe Mengen und Funktionen
Konvexe Mengen und Funktionen von Corinna Alber Seminararbeit Leiter: Prof. Jarre im Rahmen des Seminars Optimierung III am Lehrstuhl für Mathematische Optimierung an der Heinrich-Heine-Universität Düsseldorf
MehrFunktionsgrenzwerte, 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
Mehr9 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
MehrVortrag 1: Duale Formulierung und Anwendungen
4. Mai 2017 Juliane Braunsmann In diesem Vortrag geht es darum, für das Kantorovich-Problem eine duale Formulierung, d.h. eine Formulierung im Sinne von stetigen Funktionen, zu finden und zu zeigen, dass
MehrKommutativität. 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)
MehrAufgabensammlung zur Analysis 1
Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur
Mehra 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
MehrZiel: 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,
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
Mehr([0, 1]) und int K = p 1
126 III. Der Satz von Hahn-Banach und seine Konsequenzen wie man durch Einsetzen unmittelbar erkennt. Zeigen wir noch die Halbstetigkeit von f: Sei(x n ) eine Folge in L p (R) mitx n x in L p (R) und f(x
Mehr5 Die Picardschen Sätze
03 5 Die Picardschen Sätze Für eine zweimal stetig differenzierbare reell- oder komplexwertige Funktion f auf einem Gebiet G C ist der Laplace-Operator definiert durch Behauptung: = 4 Beweis: Daraus folgt:
MehrEigenschaften stetiger Funktionen Buch Kap. 2.5
Eigenschaften stetiger Funktionen Buch Kap. 2.5 Satz 2.6: (Nullstellensatz) Ist f : [a, b] R stetig und haben f (a) und f (b) unterschiedliche Vorzeichen, so besitzt f in (a, b) mindestens eine Nullstelle.
MehrSinguläre 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
MehrAnalysis 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))
MehrKapitel 8 - Kompakte Räume
Kapitel 8 - Kompakte Räume Ein Vortrag von Philipp Dittrich nach B.v.Querenburg: Mengentheoretische Topologie Inhalt 8.1 Definition Kompaktheit....................... 2 Beispiel - das Intervall (0,1).....................
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
MehrRandwertprobleme. 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
MehrInhaltsverzeichnis. 1 Einleitung Konstruktion der Topologie auf D(Ω) Der Testfunktionenraum D(Ω), T... 8
Inhaltsverzeichnis 1 Einleitung...................................... 2 2 Konstruktion der Topologie auf D(Ω)...................... 3 ( ) 3 Der Testfunktionenraum D(Ω), T....................... 8 1 1 Einleitung
MehrMathematik 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
MehrKonvexe Mengen und konvexe Funktionen
Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl I: Analysis Ausarbeitung Analysis III Seminar Konvexe Mengen und konvexe Funktionen Name: Jessica Prang Datum: 14.04.2015 Seminarleiter:
MehrVon 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
MehrMathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf. Probeklausur
Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf Probeklausur Diese Probeklausur soll a) als Test für euch selber dienen, b) die Vorbereitung auf die Klausur
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrVollständigkeit. 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.
MehrBezeichnungen und Hilfsmittel aus der Analysis
Finite Elemente I 169 A Bezeichnungen und Hilfsmittel aus der Analysis A Bezeichnungen und Hilfsmittel aus der Analysis TU Bergakademie Freiberg, WS 2010/111 Finite Elemente I 170 A.1 Normierte Vektorräume
MehrPartielle Differentialgleichungen Kapitel 11
Partielle Differentialgleichungen Kapitel Die Laplace- und Poisson- Gleichungen Die Struktur bei elliptischen Gleichungen zweiter Ordnung ist nicht wesentlich verschieden bei Operatoren mit konstanten
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt
Mehr2. Klausur zur Funktionentheorie SS 2009
Aufgabe : Finden Sie ein Beispiel für eine meromorphe Funktion f M(C), die auf den Kreisringen A 0, (0) und A,2 (0) unterschiedliche Laurentreihenentwicklungen besitzt. Beweisen Sie, dass Ihr Beispiel
MehrVollständigkeit. 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
Mehrε 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
MehrAnalysis II. Vorlesung 36. stark kontrahierend, wenn es eine nichtnegative reelle Zahl c < 1 gibt mit
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 36 Weitere Stetigkeitsbegriffe Wir führen einige weitere Stetigkeitsbegriffe ein. Definition 36.1. Es sei eine Abbildung zwischen den metrischen
MehrNichtlineare Funktionalanalysis. Eine Einführung
Michael Růžička Nichtlineare Funktionalanalysis Eine Einführung Inhaltsverzeichnis Notation...................................................... IX 1 Fixpunktsätze............................................
Mehr(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 43 2. Folgen und Reihen Folgen und Reihen werden in jedem Analysislehrbuch besprochen, siehe etwa [H, Kapitel III], [K, Kapitel 5], [J2, Kapitel 23] oder [M,
Mehr22 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
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
MehrAnalysis II - 1. Klausur
Analysis II -. Klausur Sommersemester 25 Vorname: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Analysis II -. Klausur 2.5.25 Aufgabe 2 Punkte Berechnen
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
MehrAnalysis 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
MehrTechnische Universität München. Aufgaben Mittwoch SS 2012
Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische
MehrZusatzkapitel zur Vorlesung Mathematische Modellierung WS 2011/12
Zusatzkapitel zur Vorlesung Mathematishe Modellierung WS 20/2 Vorlesung vom 8..20 A A. Das Hindernisproblem Motivation und Modellierung Anwendungsbeispiel: Filtration Ein Gemish, das getrennt werden soll,
MehrLösungen zur Klausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:
MehrLösungsvorschläge für das 5. Übungsblatt
Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),
Mehr15. Bereichsintegrale
H.J. Oberle Analysis III WS 212/13 15. Bereichsintegrale 15.1 Integrale über uadern Ziel ist die Berechnung des Volumens unterhalb des Graphen einer Funktion f : R n D R, genauer zwischen dem Graphen von
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um
MehrEin Blick über den Tellerrand... mit FreeFem++
Ein Blick über den Tellerrand... mit FreeFem++ Eine Einführung und etwas Theorie Steffen Weißer Universität des Saarlandes 30. Oktober 2015 Gliederung 1 Zum Seminar 2 Was ist eine PDE? 3 Etwas Funktionalanalysis
MehrFerienkurs 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