Z Zusätze. Z.1 Konvergenz in metrischen Räumen
|
|
- Hennie Bach
- vor 7 Jahren
- Abrufe
Transkript
1 251 Z Zusätze Z.1 Konvergenz in metrischen Räumen Z.1.1 Konvergenz von Zahlenfolgen. Wir hatten in definiert: Eine Folge (a n ) n N reeller Zahlen heißt konvergent gegen den Grenzwert a, wenn es zu jeder Fehlerschrankeε> eine natürliche Zahl n ε so gibt, dass für alle natürlichen Zahlen n>n ε gilt: a a n <ε. Eine dazu äquivalente Definition haben wir in gegeben: Eine Folge (a n ) n N reeller Zahlen heißt konvergent gegen den Grenzwert a, wenn in jeder ε-umgebung von a alle Folgenglieder bis auf endlich viele Ausnahmen liegen. Man schreibt in diesem Fall a= lim a n oder a n a. Z.1.2 Allgemeinere Folgen. In der Praxis werden nicht nur Zahlenfolgen auf Konvergenz untersucht, sondern auch Folgen von Vektoren, Matrizen, Funktionen,... EineFolge (x n ) n N vonelementenauseinermengex gibtzujedernatürlichen Zahl n N einfolgenglied x n X an. Z.1.3 Beispiele. Ist X = R z, dann liegt eine Folge von (Koordinaten-)Vektoren vor (eine sogenannte Vektorfolge ). Ist X=R z s, dannliegteine Folgevon Matrizen vor. Ist X=C ([,1]), dann liegt eine Folge stetiger Funktionen vor (der Definitionsbereich ist das Intervall [, 1]).
2 252 Z Zusätze Wir wollen den Konvergenzbegriff für Zahlenfolgen auf allgemeinere Folgen übertragen. Intuitiv versteht man unter Konvergenz eine schrittweise Annäherung an ein festes Element. Um diese Annäherung zu fassen, wollen wir messen, wie weit ein gegebenes Folgenglied von diesem Grenzelement entfernt ist. Dazu brauchen wir einen Abstandsbegriff, den wir durch Einführung einer Metrik auf der Menge X realisieren. Z.1.4 Definition. Sei X eine Menge. Eine Abbildungρ: X X Rheißt Metrik auf X,wennfür alle x,y,z X gilt: (M1) ρ(x,y) und ρ(x,y)= x= y. (M2) ρ(x,y)=ρ(y,x) (Definitheit) (Symmetrie) (M 3) ρ(x, z) ρ(x, y) + ρ(y, z) (Dreiecksungleichung). DieMenge X,versehenmitderMetrikρ,heißtdann metrischerraum (X,ρ). Z.1.5 Beispiel. Die Ähnlichkeiten zwischen den Bedingungen an eine Metrik und Eigenschaften des Betrags sind kein Zufall: In dertatist durchρ(x,y) := x y eine Metrikauf X=R gegeben. Z.1.6 Beispiel. Der euklidische Abstand (v,w) := (v 1 w 1 ) 2 +(v 2 w 2 ) 2 +(v 3 w 3 ) 2 zwischen Punkten inr 3 ist eine Metrik auf X=R 3 (die wir die euklidische Metrik nennen). Die euklidische Metrik kann man in offensichtlicher WeiseaufR z mit beliebiger Dimension z verallgemeinern: Man summiert eben alle Quadrate der Differenzen der Einträge: (v,w) := z (v j w j ) 2. j=1 Die Metriken in Z.1.5 und Z.1.6 beschreiben genau die Abstände, die wir immer schon haben wollten. Es gibt (für spezielle Zwecke) aber auch ganz andere Metriken:
3 Z.1 Konvergenz in metrischen Räumen 253 Z.1.7 Beispiel. Es sei z Nund p eine reelle Zahl mit p 1. Zwischen x,y R z kannman denabstand ( z ) 1 ρ p (x,y)= x j y j p p einführen. Spezialfälle: Für p=2 erhalten wirdie euklidischemetrik. Für p=1 ergibt sichρ 1 (x,y)= z x j y j. j=1 j=1 WirmessenhierdieLängeeinesStreckenzugs,aufdemmanvomOrt x zum Ort y entlang eines rechtwinkligen Straßensystems gelangt (deswegen nennen manche Leute dies die Manhattan-Metrik). Für einen Taxifahrer istesegal,anwelchen Stellen er abbiegt (solange er grob die Richtung nach rechts oben einhält). Z.1.8Beispiel. EinweitereMöglichkeitistdie Maximum-Metrik aufr z : ρ (x,y)=max { x j y j 1 j z }. Diese könnte z. B. nützlich sein, wenn man sich auf die größte Abweichung zwischendenkoordinateneinträgenkonzentrierenwill.(diemetrikenρ p mit 1 p < verwenden jeweils eine Mittelbildung über diese Abweichungen.) Die fünf schwarzen Punkte haben in der Maximum-Metrik alle denselben Abstand von dem besonders dicken Punkt. Siehe auch Z.1.15.
4 254 Z Zusätze Neben den bisher erwähnten Metriken können wir die Metrik des französischen Eisenbahnsystems aufr 2 betrachten: Z.1.9 Beispiel. Wir wählen inr 2 einen festen Punkt P (die französische Eisenbahn hat P bei Paris gesetzt). Als AbstandzwischenPunkten x,y R 2 definierenwir (x,y) falls xund yauf einergeraden durch P liegen, ρ Paris (x,y) := (x,p)+ (P,y) sonst [man macht immer den Umweg über Paris]. Die Skizze zeigt einen Teil des Netzes französischer Schnellbahnen (grob vereinfacht). Um von Toulouse (T) mit dem TGV nach Marseille (M) zu kommen, muss man einen Umweg über Paris nehmen: Der Abstand der Städte wird damit wesentlich größer als der per Luftlinie (um diesen wirklich exakt zu realisieren, braucht man wohl eher einen Hubschrauber...) Z.1.1 Die Norm als Abstand. In Vektorräumen (auch solchen unendlicher Dimension man spricht auch von linearen Räumen) hatten wir mit Hilfe von Skalarprodukten eine Norm eingeführt: Ist ein Skalarproduktauf V,soheißtfür x V diereellezahl die Normvon x. x := x x
5 Z.1 Konvergenz in metrischen Räumen 255 Mit Hilfe dieser Norm können wir wieder den Abstand zwischen zwei Elementen messen : ρ(x,y) := x y. DieserAbstandist einemetrikρ: V R. Z.1.11 Beispiel. Als Abstand zwischen stetigen Funktionen f,g C ([,1]) ist die folgende Göße zweckmäßig: ρ(f,g)= ( 1 ) 1 f(x) g(x) 2 2 dx Wir verwendenhier dienormzum Skalarprodukt f 1 g := f(x)g(x) dx. Dieses Skalarprodukt wird(samt dieser Norm) auch betrachtet in Zusatz Z.2 in Kimmerle-Stroppel, Lineare Algebra und Geometrie(Edition Delkhofen).. Z.1.12 Beispiel. In der numerischen Mathematik werden Abstände zwischen Matrizen benutzt jeweils angepasst an die gerade aktuelle Problematik. Z.1.13 Konvergenz in metrischen Räumen. Wir betrachten einen fest gewählten metrischen Raum (X,ρ). Eine Folge (a n ) n N in X heißt konvergent gegen den Grenzwert a, wenn es zu jedemε>eine natürliche Zahl n ε so gibt, dass gilt: n>n ε :ρ(a,a n )<ε. Man schreibt auch a n ρ a oder lim a n ρ =a.
6 256 Z Zusätze Z.1.14 Äquivalente Definitionen. 1. Esgilt a n ρ a lim ρ(a n,a)=. 2. Die Folge (a n ) n N konvergiert genau dann im metrischen Raum (X,ρ) gegendengrenzwert a,wenninjederε-umgebungvon a allefolgenglieder bis auf endlich viele Ausnahmen liegen. Dabei verstehen wir unter der ε-umgebung um X die Menge U ε (a) :={x X ρ(a,x)<ε}. Man kann wieder versuchen, sich dieε-umgebung U ε (a) als Kugel mit RadiusεundMittelpunkt a vorzustellen... Z.1.15 Beispiel. Wir betrachten den metrischen RaumR 2 versehen mit der Maximum-Metrikρ,vgl. Z.1.8.Dann ist Ü ¾ ¼ ½ U ε (a) = {x R 2 ρ (a,x)<ε} { { } } x1 = R 2 a1 x max 1 <ε a 2 x 2 Ü ½ x 2 ein offenes Quadrat (ohne Rand) mit Mittelpunkt a und Seiten der Länge 2ε, die parallel zu den Achsen des Standard-Koordinatensystems liegen. Z.1.16 Beispiel. Wir betrachten weiter den metrischen RaumR 2 versehen mit dermaximum-normρ.sei ) x= ( x1 x 2 ein festervektoraus U 1.Dann konvergiertdiefolgedervektoren x n x n = 1 x n 2 bezüglich der Maximum-Norm gegen den Nullvektor. Esbedeutet x U 1 hier gerade max{ x1, x 2 }<1. x Nach 1.5.8konvergiert x n n j gegennull, also gilt 1 x n 2 ρ.
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
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
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
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
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
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
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
MehrEinleitung Grundlagen Einordnung. Normen. Thomas Gerstner. Institut für Mathematik Goethe-Universität Frankfurt am Main
Institut für Mathematik Goethe-Universität Frankfurt am Main Einführungsvortrag Proseminar 25. Januar 2013 Outline 1 Einleitung Motivation Anwendungsbereiche 2 3 Wichtige Outline Einleitung Motivation
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 31 Vektorräume mit Skalarprodukt Im R n kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor
Mehr20.4 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(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.
Mehr1 Metrische Räume. In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren.
1 Metrische Räume 1 Metrische Räume In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren. Definition und Beispiele (1.1) Definition (Metrischer
MehrTopologische Grundbegriffe II. 1 Begriffe auf Mengen
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten der Vorlesung Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrMetrische Räume. Kapitel Begriff des metrischen Raumes
Kapitel 8 Metrische Räume 8.1 Begriff des metrischen Raumes Bemerkung 8.1 Motivation. In diesem Abschnitt wird der Begriff des Abstandes zwischen reellen Zahlen verallgemeinert. Das ist notwendig, um Analysis
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
MehrUltrametrik. Christian Semrau Metrische Räume
Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................
Mehr$Id: folgen.tex,v /05/31 12:40:06 hk Exp $ an 1 2 n 1 ist gerade, 3a n 1 + 1, a n 1 ist ungerade.
$Id: folgen.tex,v. 202/05/3 2:40:06 hk Exp $ 6 Folgen Am Ende der letzten Sitzung hatten wir Folgen in einer Menge X als Abbildungen a : N X definiert, die dann typischerweise in der Form (a n ) n N, also
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik
MehrDie 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).
MehrKonvergenz einer Folge. 1-E1 Ma 1 Lubov Vassilevskaya
Konvergenz einer Folge 1-E1 Ma 1 Lubov Vassilevskaya Konvergenz einer Folge: Inhalt Drei Verhaltensmuster von Folgen. Beispiele 1 ) = 1 n, = n n +1, 2 ) = ( 1)n n +1 n und ihre graphischen Darstellungen.,
Mehr2. Stetige lineare Funktionale
-21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrTechnische Universität Dortmund
Technische Universität Dortmund FB Mathematik Seminar: Proseminar Lineare Algebra LA-Gym Semester: Wintersemester 2013 Seminarleiter: Prof. Dr. L.Schwachhöfer Metrische Räume 2 Stetige Abbildungen / Konvergente
Mehr10 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
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
Mehr7. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 2010 27.-31.05.10 7. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G24 (Grundlegende Definitionen) Betrachten
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige
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.
MehrFolgen und Reihen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Folgen und Reihen Bernhard Ganter Institut für Algebra TU Dresden D-0062 Dresden bernhard.ganter@tu-dresden.de Folgen Eine (unendliche) (Zahlen)folge ist eine Abbildung f : N R. Statt f (n) schreibt man
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))
MehrTeil III: Mehrdimensionale Analysis
23. Topologische Grundbegriffe 283 Teil III: Mehrdimensionale Analysis 23. Topologische Grundbegriffe Wir haben nun unser Studium der linearen Algebra beendet und wenden uns wieder der Analysis zu. Unser
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
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
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:
MehrCauchy-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
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrMetrische Räume und stetige Abbildungen. Inhaltsverzeichnis
Metrische Räume und stetige Abbildungen Vortrag zum Seminar zur Analysis, 19. 04. 2010 René Koch, Stefan Lotterstedt In der Vorlesung Analysis I haben wir uns mit der Stetigkeit von reellen (komplexen)
MehrAnalyis 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
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
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
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
Mehr1 Folgen und Stetigkeit
1 Folgen und Stetigkeit 1.1 Folgen Eine Folge ist eine durchnummerierte Zusammenfassung von reellen Zahlen. Sie wird geschrieben als (a 1, a 2, a 3,...) = (a n ) n N. Es ist also a n R. Der Index n gibt
MehrAktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober/November 2017
Mehrist streng monoton fallend.
Beispiel 3.5 Betrachte die Folgen aus Beispiel 3.1 Die Folgen a und d mit a n = n 2 und d n = 2 n sowie die Fibonacci-Folge sind streng monoton wachsend. Die Folge b mit b n = 1 n ist streng monoton fallend.
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
Mehr31: Normierte Vektorräume
31: Normierte Vektorräume Für eine systematische Behandlung von Grenzwert-Prozessen für Funktionenfolgen benötigen wir die allgemeine Definition der normierten Vektorräume und einen passenden Abstandsbegriff.
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................
MehrGrundlagen der Mathematik 2 Nachklausur
Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und
MehrGleichmäßige Konvergenz und Funktionenräume
Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen
Mehr= (n 2 ) 1 (Kurzschreibweise: a n = n 2 ) ergibt die Zahlenfolge 1, 4, 9, 16, 25, 36,.
2 Folgen, Reihen, Grenzwerte 2.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind (n N; auch
MehrMathematik I Herbstsemester 2014
Mathematik I Herbstsemester 2014 www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 32 1 Stetigkeit Grenzwert einer
MehrMathematik für Anwender II
Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,
Mehr8 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
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
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
Mehr24. Stetigkeit in metrischen Räumen
34 Andreas Gathmann 24. Stetigkeit in metrischen Räumen Wie im eindimensionalen Fall kommen wir nach unserem Studium von Grenzwerten von Folgen im letzten Kapitel jetzt zur Stetigkeit, also zu Grenzwerten
Mehr2 Grenzwerte. Stetigkeit
22 2 Grenzwerte. Stetigkeit In diesem Paragraphen wird der Begriff der Konvergenz von Punkt-Folgen und die Stetigkeit von Abbildungen zwischen metrischen oder toplogischen Räumen eingeführt.dies verallgemeinert
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Oliver Matte Max Lein Zentralübung Mathematik für Physiker 2 Analysis ) Wintersemester 200/20 Lösungsblatt 5 2..200) 32. Häufungspunkte Sei a
Mehr8 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
MehrHauptsatz der Zahlentheorie.
Hauptsatz der Zahlentheorie. Satz: Jede natürliche Zahl n N läßt sich als Produkt von Primzahlpotenzen schreiben, n = p r 1 1 p r 2 2... p r k k, wobei p j Primzahl und r j N 0 für 1 j k. Beweis: durch
Mehr1 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
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrAnalysis 1. Vorlesungsausarbeitung zum WS 2000/01. von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis
Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 1 Kapitel 2 Stetigkeit Vorlesungsausarbeitung zum WS 2000/01 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Metrische
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
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
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrNormierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen
Kapitel VIII Normierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen 33 Normierte und metrische Räume 34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlichdimensionalen
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
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,
MehrElemente der mengentheoretischen Topologie
Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente
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
MehrHäufungspunkte 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
MehrKomplexe Zahlen. Bemerkungen. (i) Man zeigt leicht, dass C mit diesen beiden Operationen
Komplexe Zahlen Da für jede reelle Zahl x R gilt dass x 0, besitzt die Gleichung x + 1 = 0 keine Lösung in R bzw. das Polynom P (x) = x + 1 besitzt in R (!) keine Nullstelle. Dies führt zur Frage, ob es
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 6 4. Mai 2010 Definition 69. Der Vektor f 3 x 2 (x 1, x 2, x 3 ) f 2 x 3 (x 1, x 2, x 3 ) f 1 x 3 (x 1, x 2, x 3 ) f 3 x 1 (x 1, x 2, x 3 ) f 2 x
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrREIHENENTWICKLUNGEN. [1] Reihen mit konstanten Gliedern. [2] Potenzreihen. [3] Reihenentwicklung von Funktionen. Eine kurze Einführung Herbert Paukert
Reihenentwicklungen Herbert Paukert 1 REIHENENTWICKLUNGEN Eine kurze Einführung Herbert Paukert [1] Reihen mit konstanten Gliedern [2] Potenzreihen [3] Reihenentwicklung von Funktionen Reihenentwicklungen
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
Mehr