Der Satz von Arzelà-Ascoli und der Satz von Peano

Größe: px
Ab Seite anzeigen:

Download "Der Satz von Arzelà-Ascoli und der Satz von Peano"

Transkript

1 Der Satz von Arzelà-Ascoli und der Satz von Peano Judith Vorwerk

2 Inhaltsverzeichnis 1 Der Satz von Arzelà-Ascoli 5 2 Der Satz von Peano 10 2

3 Einleitung Diese Ausarbeitung beschäftigt sich mit dem Satz von Arzelà- Ascoli und dem Satz von Peano. Im ersten Teil, werden wir den Satz von Arzelà- Ascoli beweisen. Dieser sagt aus, das jede Folge von Funktionen auf einem kompakten Intervall eine gleichmäÿig konvergente Teilfolge besitzt, wenn die Folge punktweise beschränkt und gleichstetig ist. Dies ist in der Analysis eine sehr wichtige Aussage, da wir durch die gleichmäÿige Konvergenz Aussagen über den Limes treen können, obwohl die Folge an sich gar nicht konvergiert. Im zweiten Teil beschäftigen wir uns mit dem Satz von Peano, dieser besagt, dass es zu jedem Anfangswertproblem y = f(x, y(x)) mindestens eine Lösung auf einem Lösungsintervall gibt, dabei verlangen wir von f nur, dass es stetig ist. Im Gegensatz zu Picard-Lindelöf wird beim Satz von Peano keine Eindeutigkeit gewährleistet. 3

4 Abstract This paper deals with the Arzelà -Ascoli theorem and the Peano existence theorem. In the rst part we are going to prove the Arzelà -Ascoli theorem, which states, that every sequence of functions on an compact Interval possesses a uniformly convergent subsequence, if the sequence is pointwise bounded and equicontinuous. This is a very important proposition of mathematical analysis, because we can make propositions about the limit through the uniform convergence, although the sequence itself does not converge. In the second part we are going to deal with the Peano existence theorem, which states that for every initial value problem y'=f(x,y(x)) there is at least one solution on a solution interval, for which f is only required to be a continuous function. In dierence to the Picard -Lindelöf theorem, the Peano theorem does not ensure uniqueness. 4

5 1 Der Satz von Arzelà-Ascoli Zu Beginn unseres Kapitels über den Satz von Arzelà-Ascoli wollen wir den Begri der Gleichstetigkeit aus den uns bekannten Begrien der gleichmäÿigen Konvergenz und der gleichmäÿigen Stetigkeit herleiten. Hierzu eine kleine Wiederholung der Begrie: Denition 1.1. gleichmäÿige Konvergenz Eine Funktionenfolge (f n ), heiÿt gleichmäÿig konvergent gegen eine Funktion f, wenn gilt: ɛ > 0 m N : n m und x X : f n (x) f(x) < ɛ Denition 1.2. gleichmäÿige Stetigkeit Eine Funktion f heiÿt gleichmäÿig stetig genau dann wenn gilt: ɛ > 0 δ > 0 x, y X : x y < δ : f(x) f(y) < ɛ Herleitung 1.3. Gleichstetigkeit Sei (f n ) eine gleichmäÿig konvergente Folge gleichmäÿig stetiger Funktionen : ɛ > 0 m N : n m und x X : f n (x) f m (x) < ɛ 3 Da f m sogar gleichmäÿig stetig ist, gibt es zu demselben ɛ ein δ > 0, so dass Mit der Dreiecksungleichung folgt nun : x, y X : x y < δ f m (x) f m (y) < ɛ 3 f n (x) f n (y) f n (x) f m (x) + f m (x) f m (y) + f m (y) f n (y) n m x, y X mit x y < δ : f n (x) f n (y) < ɛ (1.1) da f 1,..., f m 1 gleichmäÿig stetig sind (1.1) gilt für alle n n < m x, y X mit x y < δ : f n (x) f n (y) < ɛ Das neue an dieser Abschätzung ist, dass das δ nicht nur unabhängig von der Lage von x, y in X ist, sondern auch unabhänging von dem Index n, also nach der Wahl von ɛ kommt man für alle f n mit ein und demselben δ aus 5

6 Gegenbeispiel 1.4. Für die Folge f n (x) := x n (0 x 1) Sei ɛ < 1 so gilt 0 f n (1) f n (x) = 1 x n < ɛ x > (1 ɛ) 1 n Da (1 ɛ) 1 n 1 strebt, kann es kein δ > 0 geben, so dass 1 x n < ɛ für alle x (1 δ, 1] und alle n N Nun erhalten wir aus 1.3 die folgende Denition: Denition 1.5. Gleichstetigkeit Eine Familie F reellwertiger Funktionen auf X R heiÿt gleichstetig, wenn: ɛ > 0 δ > 0 : f F x, y X mit x y < δ gilt f(x) f(y) < ɛ Satz 1.6. Jede gleichmäÿig konvergente Folge stetiger Funktionen auf einer kompakten Menge ist sogar gleichstetig Zusatz: Jedes einzelne Glied der Folge ist beschränkte Funktion, weil die Denitionsmenge kompakt ist,also folgt aus der gleichmäÿigen Konvergenz, dass die Folge selbst normbeschränkt ist und damit erst recht punktweise beschränkt ist. Beweis. folgt direkt aus 1.3 und 1.5 Denition 1.7. Sei F ein Familie reellwertiger Funktionen auf der beliebigen (nicht notwendig reellen) Menge X, dann heiÿt F a) punktweise beschränkt, wenn es zu jedem x X eine Schranke M(x) gibt, so dass f(x) M(x), f F (1.2) b) gleichmäÿig beschränkt, wenn es eine Schranke M gibt, so dass f(x) M, x X, f F (1.3) Folgerung 1.8. Eine Familie F ist gleichmäÿig beschränkt normbeschränkt F ist Beweis. " "mit Denition 1.7 b) folgt, dass jedes f(x) beschränkt ist f := sup x X f(x) M f F " " f M f F 1.7 b) Lemma 1.9. Jede kompakte Menge X R enthält eine höchstens abzählbare Teilmenge, die in X dicht liegt. 6

7 Beweis. Bei festem k N bildet das System der Umgebungen U 1/k (x) (x X) eine oene Überdeckung von X. Nach dem Satz von Heine Borel wird X bereits von endlich vielen dieser Umgebungen überdeckt, d.h es gibt eine endliche Teilmenge M k := {x k1, x k2,..., x kmk } von X mit X m k U 1/k (x kµ ). Die Vereinigung M := M k ist eine µ=1 höchstens abzählbare Teilmenge von X. Sei nun y irgendein fester Punkt aus X und ɛ eine beliebige positive Zahl. k N k N und x 0 X werden so gewählt dass 1 k < ɛ und dass y in U 1/k(x 0 ) liegt y U ɛ (x 0 ) x 0 U ɛ (y). Mit anderen Worten : In jeder ɛ - Umgebung des beliebigen Punktes y liegt mindestens ein Punkt aus M M liegt dicht in X Satz 1.10 (Satz von Arzelà-Ascoli). F sei eine Familie reellwertiger stetiger Funktionen auf der kompakten Menge X R. Jede Folge aus F enthält eine gleichmäÿig konvergente Teilfolge F punktweise beschränkt und gleichstetig. In diesem Fall ist F sogar gleichmäÿig beschränkt Beweis. " " Wir zeigen erst: (f n ) enhält eine gleichmäÿig konvergente Teilfolge (g n ) auf M (dichte Menge in X) Sei (f n ) F beliebig und M := {x 1, x 2,...} X dicht in X (siehe Lemma 1.10) (f n (x 1 )) ist beschränkt Bolzano W = es existiert eine konvergente Teilfolge (f 1k (x 1 )) geschrieben als (f 11, f 12, f 13,...) (f 1k (x 2 )) ebenfalls beschränkt ex existiert eine Teilfolge (f 2k (x 2 )) von (f 1k ) mit (f 21, f 22, f 23,...) usw. f 11, f 12, f 13,... f 21, f 22, f 23,... f 31, f 32, f 33,... k=1 Betrachte nun die Diagonalfolge g n := f nn (n=1,2,...) Ab dem n-ten Glied ist g n Teilfolge der n-ten Zeilenfolge konvergiert für x = x n konvergiert auf M noch zu zeigen: (g n ) konvergiert auf ganz X: (g n ) gleichstetig ɛ > 0 δ > 0 n N x, y X mit x y < 2δ : g n (x) g n (y) < ɛ 3 (1.4) Mit dem Satz von Heine Borel, wissen wir : X p ν=1 U δ (y ν ) 7

8 M dicht in X = ψ ν M U δ (y ν ) x U δ (y ν ) : x ψ ν x y ν + y ν ψ ν < 2δ (1.5) n, x U δ (y ν ) X : g n (x) g n (ψ ν ) < ɛ 3 Da bei festem ν die Folge (g n (ψ ν )) konvergiert : n 0 : m, n > n 0 : g m (ψ ν ) g n (ψ ν ) < ɛ 3 (1.6) Nun sei x X beliebiger Punkt. Dann liegt er in einem U δ (y ν ), so dass die Abschätzung 1.5 gilt Wähle m, n > n 0 g m (x) g n (x) g m (x) g m (ψ ν ) + g m (ψ ν ) g n (ψ ν ) + g n (ψ ν ) g n (x) < ɛ 3 + ɛ 3 + ɛ 3 (1.7) = ɛ (g n ) konvergiert gleichmäÿig auf X (f n ) enthält gleichmäÿig konvergente Teilfolge Zusatz: F ist gleichmäÿig beschränkt: Annahme: F ist nicht gleichmäÿig beschränkt n N existiert f n F mit f n n konvergente Teilfolge (f nk ) von (f n ) (f nk )normbeschränkt Konstruktion (f nk ) n k F ist gleichmäÿig beschränkt " " Voraussetzungen : Jede Folge aus F enthält eine gleichmäÿig konvergente Teilfolge zu zeigen:f punktweise beschränkt wir haben eben gesehen, dass F gleichmäÿig beschränkt ist, also ist F auch punktweise beschränkt. noch zu zeigen: F ist gleichstetig Annahme : F nicht gleichstetig ɛ 0 > 0, δ > 0 f F x, y X mit x y < δ, aber f(x) f(y) ɛ 0 (1.8) 8

9 Wähle nun δ := 1 n, n N,die Funktion f n und das Paar x n, y n X ist kompakt, also besitzt die Folge (x n ) eine konvergente Teilfolge mit x nk ψ X Wähle (x n ) gleich so, dass es gegenψ X konvergiert. Wegen x n y n < 1 n gilt y n ψ Nach Voraussetzung existiert eine gleichmäÿig konvergente Teilfolge (f nk ) von (f n ) f nk (x nk ) f nk (y nk ) f n (ψ) f n (ψ) = 0 mit 1.6 folgt dann das F gleichstetig 9

10 2 Der Satz von Peano Mit Hilfe des Satzes von Peano, können wir die Lösbarkeit einer Anfangswertaufgabe y = f(x, y), y() = η garantieren. Hierzu brauchen wir lediglich die Stetigkeit von f. Wir starten mit einer kleiner Wiederholung: Satz 2.1 (Satz von Heine). Sei I = [a, b] ein kompaktes Intervall und f auf I stetig. Dann ist f sogar gleichmäÿig stetig. Als Vorbereitung für den Satz von Peano benötigen wir den Euler-Cauchyschen Polygonzug Denition 2.2 (Euler-Cauchy'scher Polygonzug). Es sei das Anfangswertproblem y (x) = f(x, y(x)) mit y(x 0 ) = y 0 gegeben. Integration liefert die äquivalente Formulierung: y(x) = y 0 + f(s, y(s))ds x 0 (2.1) Im Startpunkt (x 0, y 0 ) hat y(x) die Steigung f(x 0, y(x 0 )). Nun wird eine Gerade mit eben dieser Steigung bis zum Punkt (x 1, y 1 ) gezeichnet. Von dort wird eine weitere Gerade mit der Steigung f(x 1, y 1 (x 1 )) bis zum Punkt (x 2, y 2 ) gezogen und so weiter. Vgl. Abbildung 2.1 Die y i lassen sich mit gegebenem y 0 wie folgt darstellen: y i+1 = y i + (x x i )f(x i, y i ), i = 0, 1,... (2.2) Die Geraden stellen eine Annäherung an die Lösungskurve y(x) des Anfangswertproblemes dar. (x x i ) = h ist dabei die Schrittweite. Je kleiner das h, desto genauer wird also die Annäherung. Beispiel 2.3. Gegeben sei das Anfangswertproblem y = f(x, y) mit y() = η. Dann gilt: 10

11 Abbildung 2.1: Euler-Cauchyscher Polygonzug y 1 = y 0 + (x x 0 )f(x 0, y 0 ) = η + (x )f(, η) y 2 = y 1 + (x x 1 )f(x 1, y 1 ). y n = y n 1 + (x x n 1 )f(x n 1, y n 1 ) (2.3) Der Polygonzug p kann also wie folgt dargestellt werden: η + (x )f(, η); x x 1 p(x 1 ) + (x x 1 )f(x 1, p(x 1 )); x 1 < x x 2 p(x) =. p(x n 1 ) + (x x n 1 )f(x n 1, p(x n 1 )); x n 1 < x x n (2.4) Man kann den Polygonzug p auch als Integral darstellen: p(x) = η + p(t)dt, x J (2.5) Hierbei ist p = { f(, η); x = x 0 f(x k, p(x k )); x k < x x k+1 ; k = 0, 1,..., n 1 (2.6) 11

12 Satz 2.4 (Der Satz von Peano 1.0). Sei S := {(x, y) x + a, y R}, a > 0 ein Vertikalstreifen. Die Funktion f(x, y) sei stetig und auf S beschränkt. Dann besitzt das Anfangswertproblem y = f(x, y) mit y() = η für jedes η mindestens eine auf [, + a] existierende Lösung. Beweis. Wir gehen wie folgt vor : Falls y(x) eine Lösung der DGL y = f(x, y), so besitzt ihr Schaubild im Punkt (x, y(x)) die Steigung y(x) = f(x, y(x)), dazu konstruieren wir einen Euler-Cauchyschen Polygonzug auf J = [, +a]. Wir unterteilen J immer feiner, sodass (Z m ) die Zerlegungsnullfolge zu der Folge (p m ) der Euler-Cauchy'schen Polygonzüge ist. Eine Teilfolge p mk der (p m ) konvergiert dann gleichmäÿig gegen eine Lösung ϕ des AWP's. Um dies zu zeigen benötigen wir den Satz von Arzelà- Ascoli aus dem vorherigen Kapitel. Dazu müssen wir zeigen, dass (p m ) gleichstetig und punktweise beschränkt ist. Wähle Zerlegung Z := {x 0, x 1,..., x n } von J = [, + a]. Zu dieser Zerlegung konstruieren wir einen Euler-Cauchy'schen Polygonzug wie in Bsp. 2.3 Diesen können wir also wie folgt darstellen: p(x) = η + p(t)dt, x J (2.7) Vermutung: Eine Teilfolge von ECP p m die zu (Z m ) gehört konvergiert gegen Lösung des AWP Nach Voraussetzung wissen wir, dass f auf S beschränkt ist also gilt : und f(x, y) M, (x, y) S p(x) M, x J Nun wollen wir nachprüfen, ob unsere (p m (x)) auch beschränkt und gleichstetig sind, damit wir den Satz von Arzelà - Ascoli anwenden können: Wir betrachten zunächst ein 12

13 allgemeines p p(x) = η + p(t)dt η + η + η + p(t)dt p(t) dt Mdt = η + x M = η + am (2.8) p(x) beschränkt Für x, y J mit x y < δ gilt: y p(x) p(y) = η + p(t)dt η + p(t)dt = p(t)dt, y < x y y y p(t) dt Mdt = x y M < δm (2.9) p(x) ist gleichmäÿig stetig, wir übertragen die gleichmäÿige Stetigkeit auf alle p m (p m (x)) gleichstetig Also ist die Familie F aller Euler-Cauchy'schen Polygonzüge auf J sowohl punktweise beschränkt als auch gleichstetig. Mit dem Satz von Arzelà-Ascoli können wir nun folgern, dass jede Folge auf F eine gleichmäÿig konvergente Teilfolge besitzt. Wählen uns (p m ) gleich einer Teilfolge (p mk ), so dass die Folge (p m ) gegen eine stetige Funktion ϕ konvergiert. Um später zu zeigen, dass ϕ wirklich das AWP löst müssen wir zunächst zeigen, dass: p m (x) f(x, ϕ(x)) Betrachte: (Z m ) = {x (m) 0, x (m) 1,..., x (m) n m }. Zur Vereinfachung denieren wir für k = 0, 1,..., n m 1 die Treppenfunktion g durch: {, x = = x (m) 0 g m (x) = x (m) k, x (m) k < x x (m) k 1 (2.10) 13

14 Damit ist p m (x) = f(g m (x), p m (g m (x))) Wir schauen uns nun die Eigenschaften von f an: Mit dem Satz von Heine folgt nun, dass f auf dem Rechteck R := {(x, y) y + a, y η + am} gleichmäÿig stetig ist, da R eine kompakte Menge ist, das bedeutet: ɛ > 0 δ > 0 : (x 1, y 1 ), (x 2, y 2 ) R und x 1 x 2 < δ, y 1 y 2 < δ : f(x 1, y 1 ) f(x 2, y 2 ) < ɛ Um diesen Satz anwenden zu können, müssen wir noch zeigen, dass (x, ϕ(x)) und (g m (x), p m (g m (x)) dicht bei einander liegen: x g m (x) können wir folgendermaÿen abschätzen: x g m (x) Z m Da (Z m )Zerlegungsnullfolge gilt : Z m < δ also auch x g m (x) < δ für ϕ(x) p m ((g m (x)) gilt: ϕ(x) p m ((g m (x)) ϕ(x) p m (x) + p m (x) p m (g m (x)) ϕ(x) p m (x) + M x g m (x) = ϕ(x) p m (x) + Z m M (2.11) Da nun (Z m ) eine Zerlegungsnullfolge ist gilt: δ > 0 n 0 mit M Z m < δ 2 und da (p m ) gleichmäÿig auf J gegen ϕ konvergiert : m n 0 : ϕ(x) p m (x) < δ 2 x J m n 0 mit n 0 groÿgenug gilt dann: ϕ(x) p m (x) + M Z m < δ 2 + δ 2 = δ ϕ(x) p m(g m (x)) < δ, x J (2.12) Also liegen die Punkte dicht beieinander. Nach dem Satz von Heine gilt nun: f(x, ϕ(x)) f(g m (x), p m (g m (x))) < ɛ (2.13) Da f(g m (x), p m (g m (x))) =: p m (x) konvergiert die Folge p m gleichmäÿig gegen f(x, ϕ(x)) 14

15 Das bedeutet, dass f(g m (x), p m (g m (x))) f(x, ϕ(x) auf J. Da wir nun also wissen, dass p m (x) ϕ(x) und p m (x) f(x, ϕ(x)) folgt: ϕ(x) = lim m p m(x) = lim (η + p m (t)dt) m = η + lim ( p m (t)dt) m = η + = η + lim p m(t)dt m f(t, ϕ(t))dt (2.14) ϕ(x) ist also wirklich eine Lösung des Anfangswertproblems! Satz 2.5 (Der Satz von Peano 2.0). Sei R := {(x, y) x a, y η b} mit a, b > 0 ein kompaktes Rechteck. f sei stetig auf R und M und α deniert durch: M := max f(x, y), α := min(a, b ), M > 0 (2.15) (x,y) R M Dann können wir folgern, dass es in der Umgebung U α () mindestens eine Lösung des Anfangswertproblems y = f(x, y) mit y() = η gibt! Beweis. Wir betrachten den Vertikalstreifen S := {(x, y) x +α, y R}. Achtung, in diesem Fall ist x auf dem Intervall I + = [, + α] deniert. Sei f eine auf S stetige und durch M beschränkte Funktion mit: f(x, η + b), y > η + b f(x, y) = f(x, y), η b y η + b (2.16) (fx, η b), y < η b Dann folgt aus Satz 1, dass das Anfangswertproblem y = f(x, y) auf dem Intervall I + = [, + α] mindestens eine Lösung ϕ mit ϕ() = η besitzt. Auÿerdem gilt für x + α: ϕ(x) η = f(t, ϕ(t))dt am b (2.17) Damit ist auch klar, dass der Punkt (x, ϕ(x) für x [, +α] im Denitionsbereich R von f liegt und ϕ somit wirkliche eine Lösung des Anfangswertproblems ist. Unsere Betrachtungen können wir auch auf ein Intervall links von verschieben und mit der gleichen Argumentation stellen wir fest, dass auf dem Intervall I = [ α, ] mindestens eine 15

16 Lösung ψ mit ψ() = η existiert. Nun können wir die Lösung y des Anfangswertproblems y = f(x, y) auf der Umgebung U α () darstellen durch: { ψ(x), α x < y(x) = (2.18) ϕ(x), x + α 16

17 Literaturverzeichnis [Bro08] I. Bronstein: Taschenbuch der Mathematik. Verlag Harri Deutsch, 2008 [Heu06] [Heu08] H.Heuser: Lehrbuch der Analysis 1. Mathematische Leitfäden. B.G. Teubner GmbH, 2006 H.Heuser: Lehrbuch der Analysis 2. Mathematische Leitfäden. B.G. Teubner GmbH,

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

ANALYSIS 1 Kapitel 6: Stetige Funktionen

ANALYSIS 1 Kapitel 6: Stetige Funktionen ANALYSIS 1 Kapitel 6: Stetige Funktionen MAB.01012UB MAT.101UB Vorlesung im WS 2017/18 Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen Karl-Franzens-Universität Graz 6.1 Grundbegrie

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

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

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

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

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

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

Mehr

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

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

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

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2 9 DIE EXPONENTIALREIHE 48 absolut konvergent. Beweis. Wegen x n+ n! n + )!x n = x n + < 2 für n 2 x folgt dies aus dem Quotientenkriterium 8.9). Definition. Die Reihe x n heißt Exponentialreihe. Die durch

Mehr

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren Beispiele Grundlagen Kompakte Operatoren Regularisierungsoperatoren Transportgleichung Dierenzieren ( nx ) (f δ n ) (x) = f (x) + n cos, x [0, 1], δ Regularisierung!! Inverse Wärmeleitung Durc f (f δ n

Mehr

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR

Definition 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

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

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

30 Metriken und Normen

30 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

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

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

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

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

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

Serie 2 Lösungsvorschläge

Serie 2 Lösungsvorschläge D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen

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

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

Die Topologie von R, C und R n

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

Mehr

Unterricht 13: Wiederholung.

Unterricht 13: Wiederholung. , 1 I Unterricht 13: Wiederholung. Erinnerungen: Die kleinen Übungen nden diese Woche statt. Zur Prüfung müssen Sie Lichtbildausweis (Personalausweis oder Reisepass) Studierendenausweis mitbringen. I.1

Mehr

Zusammenfassung Analysis 2

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

Mehr

Analysis I. 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

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),

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

Die reellen Zahlen. Analysis I. Teil I. 1 Die Körperaxiome. 2 Die Anordnungsaxiome. 3 Die natürlichen Zahlen. Satz 1.1 (Kürzungsregel der Addition)

Die reellen Zahlen. Analysis I. Teil I. 1 Die Körperaxiome. 2 Die Anordnungsaxiome. 3 Die natürlichen Zahlen. Satz 1.1 (Kürzungsregel der Addition) Analysis I Mitschrift der Vorlesung Analysis I im WS 2012/13 bei Prof. Gudlaugur Thorbergsson von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Stand: 31.01.2013 Veröentlicht unter

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

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

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

Mehr

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Konvergenz 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

Mehr

8 KAPITEL 1. GRUNDLAGEN

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

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag 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

Mehr

Erwartungswert als Integral

Erwartungswert als Integral Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral

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

Der Satz von Stone-Weierstraÿ

Der Satz von Stone-Weierstraÿ Gregor Matuschek Der Satz von Stone-Weierstraÿ Ausarbeitung zum Vortrag im Proseminar Analysis I (Sommersemester 009, Leitung Prof. Eberhard Freitag) Zusammenfassung: Wir kennen bereits den Approximationssatz

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

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

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

Mehr

Konvexe Funktionen und wichtige Ungleichungen

Konvexe Funktionen und wichtige Ungleichungen Konvexe Funktionen und wichtige Ungleichungen Seminar Analysis (SoSe 013) Martin Strickmann 06. Mai 013 Inhaltsverzeichnis 1 Zusammenfassung/Abstract Konvexe Funktionen 3 Wichtige Ungleichungen 5 4 The

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

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

3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung

3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung Kapitelgliederung 3. Folgen und Reihen 3.1 Folgen und Grenzwerte 3.2 Rechenregeln für konvergente Folgen 3.3 Monotone Folgen und Teilfolgen 3.4 Ein Algorithmus zur Wurzelberechnung 3.5 Reihen 3.6 Absolut

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

Topologische Aspekte: Eine kurze Zusammenfassung

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

Mehr

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

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige 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

Kompaktheit in topologischen Räumen

Kompaktheit in topologischen Räumen Kompaktheit in topologischen Räumen Joel Gotsch 21. Januar 2011 Inhaltsverzeichnis 1 Notation und Allgemeines 2 2 Definitionen 2 2.1 Allgemeine Definitionen..................... 2 2.2 Globale Kompaktheitseigenschaften...............

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

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

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

Thema 3 Folgen, Grenzwerte

Thema 3 Folgen, Grenzwerte Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N

Mehr

12 Biholomorphe Abbildungen

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

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

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

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

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

1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort

1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort ANALYSIS II Lösung der. Klausur vom /7 (von D. Reding Aufgabe (a Richtig sind die Aussagen (iii, (iv und (vii. (b Gegenbeispiel zu (i: f: R R, (x, y x ist stetig, aber nicht partiell differenzierbar nach

Mehr

Inverse Fourier Transformation

Inverse Fourier Transformation ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung

Mehr

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012 Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz

Mehr

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden

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

Normierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen

Normierte, 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

Mehr

Stetigkeit von Funktionen

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

Mehr

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12

Übungsaufgaben 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

Mehr

Musterlösung Analysis 3 - Maßtherorie

Musterlösung 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)

Mehr

D-MATH, D-PHYS, D-CHAB Analysis II FS 2017 Prof. Manfred Einsiedler. Übungsblatt 5 A := u = Au, u(0) = 1. 1

D-MATH, D-PHYS, D-CHAB Analysis II FS 2017 Prof. Manfred Einsiedler. Übungsblatt 5 A := u = Au, u(0) = 1. 1 D-MATH, D-PHYS, D-CHAB Analysis II FS 2017 Prof. Manfred Einsiedler Übungsblatt 5 1. Gegeben sei die Matrix 1 1 0 A := 0 1 0 0 0 2 a) Bestimmen Sie ein Fundamentalsystem (das heisst eine Basis des Lösungsraums)

Mehr

Mathematik I. Vorlesung 22. Der Satz von Bolzano-Weierstraß. Karl Weierstraß ( )

Mathematik I. Vorlesung 22. Der Satz von Bolzano-Weierstraß. Karl Weierstraß ( ) Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 22 Der Satz von Bolzano-Weierstraß Karl Weierstraß (1815-1897) Satz 22.1. (Bolzano-Weierstraß) Es sei (x n ) n N eine beschränkte Folge

Mehr

KAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y

KAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y KAPITEL 18 UND 19 H. KOCH 1. VORLESUNG VOM 08.01.2018 Kpitel 18 Definition 1 (Zerlegungen, Treppenfunktionen, Regelfunktionen) Sei < b. 1. Eine Zerlegung τ von [, b] besteht us einer Zhl N N und (N + 1)

Mehr

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

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

Mehr

Technische Universität Berlin. Klausur Analysis I

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

Mehr

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

3.3 Konvergenzkriterien für reelle Folgen

3.3 Konvergenzkriterien für reelle Folgen 3.3 Konvergenzkriterien für reelle Folgen Satz: Eine monoton wachsende, nach oben beschränkte reelle Folge a n ) n N ist konvergent mit Grenzwert lim a n = sup{a n n N} Beweis: Sei a n ) n N nach oben

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN 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

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

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer 1 Überdeckungskompaktheit Einleitung P T Q A R S U B (a) (b) Abbildung 1: Beispiele verschiedener Überdeckungen (1.1) Definition (Überdeckung)

Mehr

Schwartz Raum und gemässigte Distributionen

Schwartz Raum und gemässigte Distributionen 1 ETH Zürich (Pro)Seminar: Grundideen der Harmonischen Analysis Schwartz Raum und gemässigte Distributionen David Bernhardsgrütter und David Umbricht 18 Dezember 2007 Schwartz Raum und gemässigte Distributionen

Mehr

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen.

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen. Ergänzungen zu offenen und abgeschlossenen Mengen Definition Ist L Teilmenge eines topologischen Raums M, so heißt x L innerer Punkt von L, wenn es eine offene Umgebung von x gibt, die ganz in L liegt.

Mehr

Topologie metrischer Räume

Topologie metrischer Räume Technische Universität München Christoph Niehoff Ferienkurs Analysis für Physiker Vorlesung Montag SS 11 In diesem Teil des Ferienkurses beschäftigen wir uns mit drei Themengebieten. Zuerst wird die Topologie

Mehr

1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen

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

Mehr

Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T.

Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T. Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen,T. Streubel Lösungsalternativen für die Übungsaufgaben zur Vorlesung

Mehr

3 Das n-dimensionale Integral

3 Das n-dimensionale Integral 3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst

Mehr

Analysis I. 3. Beispielklausur mit Lösungen

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

Mehr

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

Topologische Begriffe

Topologische 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

Mehr

Die von Neumannsche Ungleichung

Die von Neumannsche Ungleichung Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t

Mehr

Folgen und Reihen. Thomas Blasi

Folgen und Reihen. Thomas Blasi Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................

Mehr

Lineare Algebra und analytische Geometrie II

Lineare 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

Mehr

Vorlesungsmanuskript zu. Analysis II. Werner Balser Institut für Angewandte Analysis

Vorlesungsmanuskript zu. Analysis II. Werner Balser Institut für Angewandte Analysis Vorlesungsmanuskript zu Analysis II Werner Balser Institut für Angewandte Analysis Sommersemester 2009 Literaturverzeichnis [1] T. Apostol, Mathematical Analysis, Addison & Wesley, Reading, 1979. [2] E.

Mehr

LS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88

LS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88 4. Funktionen Buchholz / Rudolph: MafI 2 88 Kapitelgliederung 4.1 Grundlegende Denitionen 4.2 Polynome und rationale Funktionen 4.3 Beschränkte und monotone Funktionen 4.4 Grenzwerte von Funktionen 4.5

Mehr

Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen

Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass

Mehr

Klausur - Analysis I Lösungsskizzen

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

Mehr

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

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit

Mehr

Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen. Steven Klein

Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen. Steven Klein Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen Steven Klein 04.01.017 1 In dieser Ausarbeitung konstruieren wir die reellen Zahlen aus den rationalen Zahlen. Hierzu denieren wir zunächst

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 24/25 Universität Karlsruhe 7. März 25 Priv-Doz. Dr. D. Kadelka Klausur zur Vorlesung Stochastik II Dauer: 9 Minuten Name: Vorname: Matrikelnummer: Diese Klausur

Mehr