Von Skalarprodukten induzierte Normen
|
|
- Calvin Haupt
- vor 7 Jahren
- Abrufe
Transkript
1 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 der Funktionalanalysis bekannt, kann mit Hilfe der Cauchy- Schwarz-Ungleichung gezeigt werden, dass durch: x X : x : + x, x eine Norm auf X definiert wird. Neben dem Satz von Pythagoras und vielen weiteren interessanten Eigenschaften dieser Norm, erweist sich vor allem die sogenannte Parallelogramm-Regel als besonders nützlich: x, y X : x + y 2 + x y 2 2 x y 2. Starten wir nämlich mit einem normierten Raum X,, in dem eben diese Parallelogramm-Regel gilt, so lässt sich bereits die Existenz eines Skalarproduktes nachweisen, das die gegebene Norm induziert, d.h.: x X : x 2 x, x. Es ist dieser enge Zusammenhang zwischen normierten Vektorräumen und Vektorräumen mit Skalarprodukt das zugrundeliegende Thema dieser Arbeit.
2 1 Das Jordan/von Neumann-Theorem 1.1 Definition. Seien eine Norm und, ein Skalarprodukt auf einem Vektorraum X. Wir sagen, dass von, induziert wird, falls gilt: x X : x 2 x, x 1.2 Definition. Sei X, ein normierter Raum über R oder C. Wir definieren die Parallelogramm-Regel wie folgt: x, y X : x + y 2 + x y 2 2 x y Satz. Jordan/von Neumann [JVN35] Sei X, ein normierter Raum über C, in dem die Parallelogramm-Regel aus Definition 1.2 gilt. Dann definiert die Polarformel x, y X : x, y : i k x + ik y 2 k0 x + y 2 x y 2 + i x + i y 2 x i y 2 ein Skalarprodukt auf X mit: x X : x, x x 2. Es wird also jede Norm, die die Parallelogramm-Regel erfüllt, von einem Skalarprodukt induziert. Beweis. Schritt 1: x X : x, x x 2 Wir berechnen: 4 x, x i k x + ik x 2 k0 i k 1 + i k 2 x 2 k0 4 x 2 Schritt 2: x X : x, x 0 und x, x 0 x 0 Folgt unmittelbar aus Schritt 1. Schritt 3: x, y X : y, x x, y Wir berechnen: 4 x, y x + y 2 x y 2 i x + i y 2 x i y 2 x + y 2 1 x y 2 i i x + i y 2 +i x i y 2 y + x 2 y x 2 + i y + i x 2 y i x 2 4 y, x 2
3 Schritt 4: x, y, z X : x + y + z 2 x + y 2 + x + z 2 + y + z 2 x 2 y 2 z 2 Wir berechnen unter mehrfacher Verwendung der Parallelogramm-Regel: x + y + z 2 2 x + y z 2 x + y z 2 x + y 2 + z 2 + x + y 2 + z 2 x + y z 2 PR. x + y 2 + z x + y + z 2 1 x + y z PR. x + y 2 + z x + z y 2 x y + z 2 1 x + y z 2 2 x + y 2 + x + z 2 + y 2 + z x y z 2 + x + y z 2 PR. x + y 2 + x + z 2 + y 2 + z 2 x 2 y z 2 PR. x + y 2 + x + z y + z y z 2 x 2 y z 2 x + y 2 + x + z y + z 2 x y z 2 PR. x + y 2 + x + z y + z 2 x y z 2 y + z 2 x + y 2 + x + z 2 + y + z 2 x 2 y 2 z 2 Schritt 5: x, y, z X : x + y, z x, z + y, z Wir berechnen unter Verwendung der in Schritt 4 gezeigten Formel und 3 k0 ik 0: 4 x + y, z i k x + y + ik z 2 k0 i k x + y 2 + x + ik z 2 + y + ik z 2 x 2 y 2 1 z 2 k0 0 + i k x + ik z 2 + k0 4 x, z + y, z i k y + ik z k0 Zu zeigen, dass, mit der skalaren Multiplikation verträglich ist, gelingt durch einfaches Umformen leider nicht. Wir wählen daher den folgenden, etwas umständlich anmutenden Weg über komplexe Zahlen mit rationalen Real- und Imaginärteilen: C Q : {a + i b a, b Q} Schritt 6: α C Q : α x, y α x, y Fall 1: α {0, 1}: Einsetzen in die Definition von, zeigt die Behauptung. Fall 2: α N 2 : Verwendung von Schritt 5 und vollständiger Induktion zeigt die Behauptung. Fall 3: α N: Wegen α α und 0 Fall 1 0 x, y α α x, y Schritt 5 α x, y + α x, y erhalten wir Fall 1/2 α x, y α x, y α x, y α x, y α x, y Fall 4: α 1 n für ein n N: 3
4 Die Gleichheit x, y n 1 n x, y Fall 1/2 n α x, y liefert bei Division durch n die Behauptung. Fall 5: α Q: Zusammensetzen der Fälle 1 bis 4 liefert die Behauptung. Fall 6: α i i Q: 4 α x, y i x + y 2 i x y 2 + i i x + i y 2 i x i y 2 i i x + y 2 i i x y 2 + i +i x + y 2 +i x y 2 i x + y 2 x y 2 + i x + i y 2 x i y 2 4 α x, y Fall 7: α C Q : Zusammensetzen der Fälle 1 bis 6 liefert die Behauptung. Um die Verträglichkeit von, mit der skalaren Multiplikation von C Q auf ganz C fortzusetzen, werden wir ein Approximations-Argument verwenden, für das wir aber zuerst die Cauchy-Schwarz sche Ungleichung benötigen. Wir dürfen diese Ungleichung natürlich noch nicht verwenden, da sie ja nur gilt, wenn schon bakannt ist, dass es sich bei, um ein Skalarprodukt handelt. Wir zeigen also: Schritt 7: x, y X : x, y x y Fall 1: y 0: Einsetzen in die Definition liefert die Behauptung. Fall 2: y 0: Es gilt: α C Q : 0 x α y 2 x α y, x α y x 2 2 Reα x, y + α 2 y 2 Da Q Q C Q dicht in R R C liegt, gibt es eine Folge α n n N C Q N n mit α n x,y. y 2 Gehen wir also in obiger Ungleichung zu den Grenzwerten über, so erhalten wir wegen der Stetigkeit der vorkommenden Ausdrücke: 0 lim x 2 2 Reα n x, y + α n 2 y 2 n 2 x 2 x, y x, y 2 Re 2 x, y + y y 2 y 2 x 2 2 Umstellen liefert nun die Behauptung. x, y 2 x, y 2 y 2 + y 2 Nun haben wir alle Eigenschaften beisammen, um die Verträglichkeit des potentiellen Skalarprodukts mit der skalaren Multiplikation auf dem gesamten Skalarkörper C nachzuweisen: Schritt 8: α C : α x, y α x, y Sei also α C. Wieder wegen der Dichtheit von C Q in C gibt es eine Folge α n n N C Q N mit n α n α. Wegen 0 α x, y α n x, y Schritt 5/6 α α n x, y Schritt 7 α α n x y n 0 4
5 gilt schließlich α x, y lim n α n x, y α x, y Wir haben also gezeigt, dass die Polarformel ein Skalarprodukt definiert, wenn nur die Gültigkeit der Parallelogramm-Regel aus Definition 1.2 gefordert wird. 1.4 Korollar. Sei X, ein normierter Raum über C. Dann sind äquivalent: : X [0, wird von einem Skalarprodukt, : X X C induziert U X mit dim U 2: U : U [0, wird von einem Skalarprodukt, U : U U C induziert Beweis. Schritt 1: Setze einfach, U :, U. Schritt 2: Wir zeigen unter der gemachten Voraussetzung die Gültigkeit der Parallelogramm-Regel aus Definition 1.2 und verwenden dann Satz 1.3. Sei also x, y X beliebig und U : span{x, y}. Fall 1: dim U 1: Es gilt daher y α x für ein α C und wegen 1+α α α 2 schon x + y 2 + x y α α 2 x 2 2 x y 2. Fall 2: dim U 2: Laut Voraussetzung gibt es also ein Skalarprodukt, U : U U C mit: z U : z 2 z, z U. Wir berechnen: x + y 2 + x y 2 x + y, x + y U + x y, x y U x 2 + x, y U + y, x U + y 2 + x 2 x, y U y, x U + y 2 2 x y 2 Es gilt also in beiden Fällen die Parallelogramm-Regel. 1.5 Bemerkung. Es sei hier ohne ausführlichen Beweis erwähnt, dass die Aussage des Jordan/von Neumann-Theorems, Satz 1.3, auch für normierte Vektorräume über dem Skalarkörper R gilt. Das Skalarprodukt ist in diesem Fall wie folgt zu definieren: x, y X : x, y : 1 4 x + y 2 x y 2 Insbesondere gilt daher auch die Aussage des Korollars 1.4 für normierte Vektorräume über R. 5
6 2 Das DeFigueiredo/Karlovitz-Theorem Wir werden im Beweis des hier vorgestellten Satzes von DeFigueiredo/Karlovitz, Satz 2.6, von folgenden Resultaten Gebrauch machen: 2.1 Lemma. Kakutani Sei X, ein normierter Raum über R mit dim X 3. Falls für jeden 2-dimensionalen Unterraum U X eine lineare Projektion P : X U mit P OP 1 existiert, so wird die Norm von einem Skalarprodukt induziert. Der Beweis dieser Aussage beruht auf Eigenschaften von Ellipsoiden, die weit vom gewählten Thema dieser Arbeit abschweifen und soll daher an dieser Stelle entfallen Lemma. Sei X, ein normierter Raum über R und U X ein Teilraum mit dim U <. Dann gilt: x X : u 0 U : x u 0 min x u u U Beweis. Sei u n n N U N eine Folge mit lim x u n inf x u. Wegen der Dreiecksungleichung gilt nun n u U u n x + x u n, insbesondere ist die Folge u n n N also beschränkt. Da U endlich-dimensional ist, erhalten wir nach dem Satz von Bolzano-Weierstraß die Konvergenz einer Teilfolge von u n n N, o.b.d.a. können wir also die Konvergenz der Folge selbst gegen ein u 0 X annehmen. Endlich-dimensionale normierte Räume sind, wie aus der Funktionalanalysis bekannt, abgeschlossen, es gilt also sogar u 0 U. Wegen der Stetigkeit der Norm erhalten wir abschließend: x u 0 x lim n u n lim x u n inf n u U x u min x u u U 2.3 Lemma. Betrachte eine konvexe Funktion f : [a, b R mit a R, b R {+ } und fa ft, t [a, b. Dann ist f monoton steigend. Analog folgt für f : a, b] R mit a R { }, b R, konvex, aus fb ft, t a, b], auch bereits monotones Fallen. Beweis. Wir zeigen nur den Fall für monotones Steigen. Der zweite folgt dann analog. Sei x 1, x 2 [a, b mit a x 1 < x 2 < b, dann gilt x 1 1 t 1 a + t 1 x 2 für ein t 1 [0, 1. Wegen der Konvexität von f auf [a, x 2 haben wir somit: fx 1 f1 t 1 a + t 1 x 2 1 t 1 fa + t 1 fx 2 1 t 1 fx 2 + t 1 fx 2 fx 2 Des Weiteren wird es zweckmäßig sein, die folgende Definition einzuführen: 1 Der besonders interessierte Leser sei verwiesen an: S. Kakutani, Some characterizations of Euclidean space, Jap. J. Math. 16, 1939, p
7 2.4 Definition. Sei X, ein normierter Vektorraum über R. Wir definieren: X erfüllt P : für alle x, y X\{0} mit x y ist die Funktion φ, x, y : R [0, : λ x λ y auf, 1] streng monoton fallend und auf [1, + streng monoton steigend 2.5 Bemerkung. Die Funktion φ, x, y aus Definition 2.4 ist als Zusammensetzung stetiger Funktionen selbst stetig und weiters auch konvex: λ 1 λ 2 R, t [0, 1] : φ1 t λ 1 + t λ 2, x, y x 1 t λ 1 + t λ 2 y 1 t x + t x 1 t λ 1 + t λ 2 y 1 t x 1 t λ 1 y + t x t λ 2 y 1 t φλ 1, x, y + t φλ 2, x, y 2.6 Satz. DeFigueiredo/Karlovitz [dfk67] Sei X, ein normierter Raum über R mit dim X 3. Wir definieren die Abbildung: Dann sind äquivalent: X X { T : x für x 1 x x x für x > 1 wird von einem Skalarprodukt, induziert x, y X : T x T y x y, d.h. T ist nicht-expansiv Beweis. Schritt 1: X erfüllt P T ist nicht-expansiv Wir beginnen mit der Richtung : Seien also x, y X, dann können wir drei Fälle unterscheiden: Fall 1: x, y 1: T x T y x y Fall 2: x 1 < y : Der Fall x 0 liefert sofort die Behauptung, d.h. wir können x 0 annehmen. Die Vektoren x und x y y sind somit ungleich 0 und haben gleiche Norm. Wir können daher die zugehörige Funktion φ, x, x y y 7
8 laut Definition 2.4 verwenden: T x T y x y y φ 1 x, x, x y y Monot. auf [1,+ φ y x, x, x y y x y Fall 3: 1 x y : Die Vektoren 1 x x und 1 y y sind ungleich 0 und haben gleiche Norm. Wir können also wieder die 1 zugehörige Funktion φ, x x, 1 y y aus Definition 2.4 verwenden: T x T y x x y 1 φ1, x x, 1 y y Monot. auf [1,+ φ y x, 1 x x, 1 y y 1 x y x x y Es folgt also aus der Eigenschaft P die Nicht-Expansivität von T. Nun folgt der Beweis der Rückrichtung : Seien also x, y X\{0} mit x y und φ, x, y die zugehörige Funktion laut Definition 2.4. Wegen α φ, x, y φ, α x, α y, α R hängt das nun zu untersuchende Monotonie-Verhalten von φ, x, y nicht vom tatsächlichen Wert von x y ab. Wir können daher o.b.d.a. annehmen, dass x y 1. Laut Lemma 2.3 brauchen wir für die Monotonie von φ, x, y auf [1, + nur mehr φ1, x, y φλ, x, y, λ [1, + zeigen. Dazu verwenden wir die vorausgesetzte Nicht-Expansivität von T : λ [1, + : φ1, x, y x y y 1 x λ y λ y λ y λ 1 T x T λ y n.exp. x λ y φλ, x, y Eine analoge Rechnung zeigt auch, dass φ, x, y auf, 1] monoton fällt. Zum Abschließen des Beweises benötigen wir nun noch streng monotones Steigen auf [1, + bzw. Fallen auf, 1]. Wir zeigen nur streng monotones Steigen auf [1, +, der zweite Teil kann analog bewiesen werden. Ein Widerspruchs-Beweis führt hier zum Ziel: Sei also λ 0 1, + mit φλ, x, y φ1, x, y, λ [1, λ 0 ]. Alle anderen Widerspruchs-Annahmen können wegen der Konvexität von φ, x, y sofort ausgeschlossen werden. 8
9 Wir betrachten zα : α x + 1 α y, α 0, 1 und berechnen: zα φ1, x, zα x zα zα zα α x 1 α y zα zα α zα x 1 α zα α y 1 α 1 α φ, x, y zα zα α 1 α φ1, x, y zα zα α Wegen lim α 0 zα 1 > 0 kann hier für hinreichend kleine α der Betrag weggelassen werden. 1 α Wegen lim α 0 zα α 1 und der angenommenen Konstantheit von φ, x, y auf [1, λ 0] stimmt diese Gleichheit für alle hinreichend kleinen α. Wir berechnen weiters für δ > 0: φ1 + δ, x, Wegen lim weggelassen werden. Wegen lim zα zα zα 1+δ α δ 0 zα δ 0 1+δ 1 α zα 1+δ α zα α zα 1 + δ zα x zα zα 1 + δ α x 1 + δ 1 α y zα zα 1 + δ α 1 + δ 1 α zα x zα 1 + δ α y 1 + δ α 1 + δ 1 α 1 φ, x, y zα zα 1 + δ α 1 φ1, x, y 1 + δ α zα und kann hier für hinreichend kleine α und δ der Betrag 1 α zα α und stimmt diese Gleichheit für alle hinreichend kleinen α und δ. Zusammensetzen der beiden Gleichungen liefert für hinreichend kleine α und δ: zα φ1 + δ, x, zα 1 + δ α 1 φ1, x, y < 1 α zα zα φ1, x, y φ1, x, zα zα Seien im Folgenden α und δ derart gewählt, dass obige Ungleichung gilt. Nun können wir aber genauso, wie wir es schon für φ, x, y gemacht haben aus der Nicht-Expansivität von T auf das monotone Steigen von φ, x, auf [1, + schließen. Damit ergibt sich der gesuchte Widerspruch. zα zα Schritt 2: wird von einem Skalarprodukt, induziert X erfüllt P Wir beginnen mit der Richtung : Seien also x, y X\{0} mit x y. Wir zeigen, dass die Funktion φ, x, y aus Definition 2.4 auf [1, + streng monoton steigt. Das zu zeigende Monotonie-Verhalten auf, 1] sieht man auf ähnliche Weise. 9
10 Für 1 λ 1 < λ 2 gilt: φλ 2, x, y 2 φλ 1, x, y 2 x λ 2 y 2 x λ 1 y 2 x λ 2 y, x λ 2 y x λ 1 y, x λ 1 y x 2 2 λ 2 x, y + λ 22 y 2 x 2 2 λ 1 x, y + λ 21 y 2 y 2 λ 2 λ 1 λ 2 + λ 1 2 λ 2 λ 1 x, y λ 2 λ 1 y 2 λ 2 + λ 1 2 x, y >0 > 0 Dieser Ausdruck ist echt positiv, weil: 2 x, y 2 x, y 2 x y < λ 2 + λ 1 y 2. Nun folgt der Beweis der Rückrichtung : Wir werden uns im Rest des Beweises auf den Fall dim X 3 beschränken. Dass dies schon ausreicht, um die Aussage für Vektorräume beliebiger Dimension gezeigt zu haben, möchten wir kurz erläutern: Sei hierzu X X ein Unterraum mit dim X 3, dessen Norm X X wie wir ja zeigen werden von einem Skalarprodukt, X induziert wird. Dann erhalten wir Skalarprodukte auf den 2-dimensionalen Unterräumen von X, indem wir einfach, X auf sie einschränken. Da X beliebig war, wird daher die Norm jedes 2-dimensionalen Unterraums von X von einem Skalarprodukt induziert. Wegen Bemerkung 1.5 wird also schon die Norm von einem Skalarprodukt, induziert und die Behauptung ist bewiesen. Sei o.b.d.a. dim X 3. Wir verwenden das Lemma 2.1. Betrachte daher U X mit dim U 2. Wir konstruieren nun eine lineare Projektion P : X U mit Operatornorm P OP 1: Aus Dimensionsgründen können wir x 0 X\U wählen und wegen Lemma 2.2 gilt: u 0 U : x 0 u 0 min x 0 u x 0 u u U. Mit x 0 / U gilt sicher auch x 0 u 0 / U und wir können somit u U jedes x X eindeutig auf folgende Weise zerlegen: Nun definieren wir die Abbildung { P : x X :!u U :!α R : x α x 0 u 0 + u X\U U X U x α x 0 u 0 + u u und zeigen, dass sie die gesuchte Projektion ist: Die Wohldefiniertheit folgt aus der Eindeutigkeit der Zerlegung von x, die Linearität kann einfach nachgerechnet werden. Auch die Projektions-Eigenschaft P P P folgt aus der Eindeutigkeit der Zerlegung von x. Um schließlich noch eine Abschätzung für die Operator-Norm zu erhalten, betrachten wir nun ein beliebiges x X mit der Zerlegung x α x 0 u 0 + u: Fall 1: u 0: In diesem Fall gilt bereits P x 0 0 x. Fall 2: u 0: Wegen x, x u u X\{0} und x x u u x können wir das zugehörige φ, x, u u aus Definition 2.4 verwenden. Wir werden nun, vorerst noch unmotiviert, φ u x x x, x, u u φλ, x, u u, λ R, 10
11 zeigen: λ R : φ u x, x, x u u x u x x u u α x 0 u 0 α x 0 u 0 1 α u + λ α x u u u 0 minimal x λ x u u φλ, x, x u u U Mit dieser Ungleichung haben wir somit gezeigt, dass φ, x, x u u u bei x sein Minimum annimmt. Laut Voraussetzung ist aber φ, x, x u außerhalb von 1, 1 streng monoton steigend, womit schon u x u [ 1, 1] gilt. Anders ausgedrückt: P x u x Den Beweis der Rückrichtung beschließend haben wir also gezeigt: x X : P x x bzw. P OP 1. 11
12 Literatur [dfk67] D. G. de Figueiredo and L. A. Karlovitz. On the radial projection in normed spaces. Bull. Amer. Math. Soc., 73: , [JVN35] P. Jordan and J. Von Neumann. On inner products in linear, metric spaces. Ann. of Math. 2, 36: ,
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.
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
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
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
MehrDifferentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die
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
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
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
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.
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
Mehr12. 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
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
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
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
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
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
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
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
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
Mehr10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)
10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
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
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
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.
Mehr$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $
$Id: hilbert.tex,v 1.5 2013/06/21 13:11:01 hk Exp hk $ 7 Hilberträume In der letzten Sitzung hatten wir die Theorie der Hilberträume begonnen, und sind gerade dabei einige vorbereitende elementare Grundtatsachen
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 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))
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
Mehr1 Konvergenz im p ten Mittel
Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In
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.
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
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
Mehrc < 1, (1) c k x k0 c k = x k0
4.14 Satz (Quotientenkriterium). Es sei (x k ) Folge in K. Falls ein k 0 existiert, so dass für k k 0 gilt x k 0 und x k+1 x k c < 1, (1) so ist x k absolut konvergent. Beweis. Aus (1) folgt mit vollständiger
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
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
Mehrf(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b.
Proposition.13 Sei f : D R stetig und D = [a, b] R. Dann ist f(d) beschränkt. Außerdem nimmt f sein Maximum und Minimum auf D an, d.h. es gibt x max D und ein x min D, so dass f(x max ) = sup f(d) und
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
MehrProjektionen auf abgeschlossene konvexe Mengen
Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema
Mehr72 Orthonormalbasen und Konvergenz im quadratischen Mittel
72 Orthonormalbasen und Konvergenz im quadratischen Mittel 30 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Wir untersuchen nun die Konvergenz von Fourier-Reihen im quadratischen Mittel in
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
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
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,
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
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)
MehrAlternativ kann man auch die Differenz a n+1 a n betrachten:
Aufgabe 1 Folgen auf Monotonie und Beschränktheit prüfen. a) Beschränktheit? Die Folge ( ) n N mit = n + ( 1) n ist nach unten beschränkt, denn es gilt n + ( 1) n n 1 1 für alle n N. Allerdings ist die
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
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
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.
Mehr12 Biholomorphe Abbildungen
12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt
MehrKAPITEL 2. Folgen und Reihen
KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).
Mehr,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5
3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
MehrAnalysis I. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching March 5, 07 Erinnerung (Euler Formel). e iϕ = cos ϕ + i sin ϕ. Die Polarform von z = x + iy C sei Euler Formel z
MehrZusammenfassung zur Konvergenz von Folgen
Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei
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
MehrSatz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik
Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
Mehr23 Konvexe Funktionen und Ungleichungen
23 Konvexe Funktionen und Ungleichungen 231 Konvexe Funktionen 232 Kriterien für Konvexität 233 Streng konvexe Funktionen 235 Wendepunkte 237 Ungleichung von Jensen 2310 Höldersche Ungleichung 2311 Minkowskische
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.................................
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. SS 6 9.4.6 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum. Übungsblatt Aufgabe
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
Mehr1 Theorie der Kettenbrüche II
Theorie der Kettenbrüche II Vom ersten Vortrag erinnern wir, dass sich jede reelle Zahl α wie folgt darstellen lässt: α = a 0 + a + a 2 + mit a 0 Z und a i N >0 für jedes i Die Kettenbruchdarstellung lässt
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:
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
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
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
Mehri=1 i=1,...,n x K f(x).
2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,
MehrProseminar Analysis Vollständigkeit der reellen Zahlen
Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
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
MehrFerienkurs Analysis 3. Ari Wugalter März 2011
Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass
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
MehrAnalysis 2, Woche 6. Grundbegriffe I. 6.1 Topologische Begriffe
A1 Analysis 2, Woche 6 Grundbegriffe I A2 6.1 Topologische Begriffe Wenn man offene Teilmengen von R betrachtet, landet man meistens bald bei Intervallen. Das Intervall (a, b) = R; a < < b} mit a, b R
MehrVorlesungen Analysis von B. Bank
Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf
Mehr3.1 Sukzessive Minima und reduzierte Basen: Resultate
Gitter und Codes c Rudolf Scharlau 4. Juni 2009 202 3.1 Sukzessive Minima und reduzierte Basen: Resultate In diesem Abschnitt behandeln wir die Existenz von kurzen Basen, das sind Basen eines Gitters,
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12
Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag
MehrGrundkurs Mathematik II
Prof. Dr. H. Brenner Osnabrück SS 2017 Grundkurs Mathematik II Vorlesung 53 Die rationalen Exponentialfunktionen Zu einer positiven Zahl b K aus einem angeordenten Körper K haben wir in der 27. Vorlesung
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
MehrLösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A)
Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, 10.1.009 (Version A) Kennwort: Übungsgruppe: (Sie können ein beliebiges Kennwort wählen, um Ihre Anonymität zu wahren! Da die Probeklausur
MehrLineare Algebra II Lösungen der Aufgaben 42 und 43
D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
MehrMusterlösung Analysis 3 - Maßtherorie
Musterlösung Analysis 3 - Maßtherorie 10. März 2011 Aufgabe 1: Zum Aufwärmen (i) Zeige, dass die Mengensysteme {, X} und P(X) σ-algebren sind. Es sind jeweils nur die Charakteristika nachzuweisen. (1)
MehrFunktionalanalysis, WS 2005/06, by HGFei
Funktionalanalysis, WS 2005/06, by HGFei Hinweise zum Inhalt (laufende Chronologie) Version vom 15. Oktober 2005 (HGFei) 1. Stunde 1: TEST: l, (l, ), l 1, (l 1, 1 ), l 2, (l 2, 2 ) QUESTION: Was ist Funktionalanalysis?
MehrLösungsvorschlag zu den Hausaufgaben der 8. Übung
FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H
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
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,
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrUnter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über
9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr12. R n als EUKLIDISCHER VEKTORRAUM
12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie
Mehr