1 Die direkte Methode der Variationsrechnung

Größe: px
Ab Seite anzeigen:

Download "1 Die direkte Methode der Variationsrechnung"

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 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

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

Existenz höherer Ableitungen

Existenz 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,

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

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale 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

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

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

Eine Einführung in Young-Maße

Eine 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

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

Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele

Konversatorium 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 +

Mehr

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden

4.1 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

Mehr

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

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

Mehr

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

Klausur - Analysis 1

Klausur - 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,

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

Stetigkeit, Konvergenz, Topologie

Stetigkeit, 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

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

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

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

Mehr

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

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

8.1. DER RAUM R N ALS BANACHRAUM 17

8.1. 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

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

30 Die Gammafunktion und die Stirlingsche Formel

30 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

Mehr

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben 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

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

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

Wichtige Klassen reeller Funktionen

Wichtige 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

Mehr

Seminar Gewöhnliche Dierentialgleichungen

Seminar 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

Mehr

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

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

Mehr

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

Karlsruher 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 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

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

Schwartz-Raum (Teil 1)

Schwartz-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

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

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

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische 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

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

Finite Elemente I 2. 1 Variationstheorie

Finite 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

Mehr

2.6 Der Satz von Fubini

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

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung 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:

Mehr

Monotone 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 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,

Mehr

Lösungsvorschlag zur Nachklausur zur Analysis

Lösungsvorschlag 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

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(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.

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist 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)

Mehr

Der metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch

Der 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.

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

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

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

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie 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

Mehr

Übungen zur Funktionalanalysis Lösungshinweise Blatt 2

Übungen 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

Mehr

Kapitel 16 : Differentialrechnung

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

Mehr

Konvexe Mengen und Funktionen

Konvexe 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

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

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

Vortrag 1: Duale Formulierung und Anwendungen

Vortrag 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

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

Aufgabensammlung zur Analysis 1

Aufgabensammlung 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

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

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

Nachklausur zur Analysis 2, SoSe 2017

Nachklausur 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

([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

Mehr

5 Die Picardschen Sätze

5 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:

Mehr

Eigenschaften stetiger Funktionen Buch Kap. 2.5

Eigenschaften 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.

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

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

Kapitel 8 - Kompakte Räume

Kapitel 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).....................

Mehr

Konvexe Optimierungsprobleme

Konvexe 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

Mehr

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator

Regularitätsresultate 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

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

Inhaltsverzeichnis. 1 Einleitung Konstruktion der Topologie auf D(Ω) Der Testfunktionenraum D(Ω), T... 8

Inhaltsverzeichnis. 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

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

Konvexe Mengen und konvexe Funktionen

Konvexe 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:

Mehr

Von Skalarprodukten induzierte Normen

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

Mehr

Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf. Probeklausur

Mathematisches 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

Mehr

Klausur zu Analysis II - Lösungen

Klausur 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.

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

Bezeichnungen und Hilfsmittel aus der Analysis

Bezeichnungen 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

Mehr

Partielle Differentialgleichungen Kapitel 11

Partielle 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

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben 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

Mehr

2. Klausur zur Funktionentheorie SS 2009

2. 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

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

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

Mehr

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

Analysis II. Vorlesung 36. stark kontrahierend, wenn es eine nichtnegative reelle Zahl c < 1 gibt mit

Analysis 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

Mehr

Nichtlineare Funktionalanalysis. Eine Einführung

Nichtlineare 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

(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,

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

Höhere Funktionalanalysis WS2016/17 Übungsblatt

Höhere 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,

Mehr

Analysis II - 1. Klausur

Analysis 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

Mehr

1.3 Differenzierbarkeit

1.3 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

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

Technische Universität München. Aufgaben Mittwoch SS 2012

Technische 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

Mehr

Zusatzkapitel zur Vorlesung Mathematische Modellierung WS 2011/12

Zusatzkapitel 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,

Mehr

Lösungen zur Klausur zur Analysis 1, WiSe 2016/17

Lösungen 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:

Mehr

Lösungsvorschläge für das 5. Übungsblatt

Lösungsvorschläge 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),

Mehr

15. Bereichsintegrale

15. 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

Mehr

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit 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

Mehr

Ein Blick über den Tellerrand... mit FreeFem++

Ein 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

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