Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
|
|
- Judith Falk
- vor 6 Jahren
- Abrufe
Transkript
1 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 Frage, ob die Summe abgeschlossener Unterräume wieder abgeschlossen ist. Beweisen Sie dazu die folgenden Aussagen. a Es sei H,, ein Hilbertraum, V ein abgeschlossener Unterraum und W ein endlichdimensionaler Untervektorraum von H. Dann ist auch V + W abgeschlossen. b Die Mengen U := x n n l x k = für alle k N} V := x n n l x k = kx k für alle k N} sind abgeschlossene Unterräume von l, mit U V = }, deren Summe U + V jedoch nicht abgeschlossen ist. Hinweis: Zeigen Sie zuerst e n U + V für alle n N und dann U + V l. Bemerkung: V + W = v + w : v V, w W }. Lösung zur Aufgabe 1: Ein Unterraum U eines linearen Raums X ist eine Teilmenge U X, die abgeschlossen bzgl. Addition und Multiplikation ist: u, v U, λ R bzw. C λu + v U. Sei U := u 1, u,..., u n } X, dann ist n } span U := λ i u i λ i RC, 1 i n i=1 die lineare Hülle von U, der kleinste Unterraum, der U enthält. Die Summe von zwei Unterräumen V und W ist definiert durch V + W = v + w v V, w W }. Die Eindeutigkeit der Darstellung u V + W u = v + w, v V, w W gilt im Allgemeinen nicht. Wir betrachten folgendes Beispiel: sei V := spane 1, e } R 3 und W := spane, e 3 } R 3. Dann gilt V + W = R 3, aber 1, 1, 1 = 1,, +, 1, 1 = 1, 1, +,, 1. Um die Eindeutigkeit zu bekommen, muss man zusätzlich V W = } fordern. Dann heißt die Summe direkt, man schreibt dann auch V W. Ein endlichdimensionaler Unterraum ist immer abgeschlossen. Sei nun H, ein Hilbertraum. Ist U H ein abgeschlossener Unterraum, dann ist U, selbst ein Hilbertraum: jede Cauchyfolge aus U hat einen Limes in H und aus der Abgeschlossenheit auch in U. Damit ist z.b. C[, 1] L [, 1] ein nicht abgeschlossener Unterraum.
2 Unterräume sind besonders nützlich in Hilberträumen. Erstens, zu jedem Unterraum V gibt es einen weiteren, immer abgeschlossenen Unterraum V = u u, v =, v V }, das orthogonale Komplement. Zweitens, zu jedem abgeschlossenen Unterraum V H gibt es eine eindeutige orthogonale Projektion P V BH, V mit P V u = u für u V und u P V u V für u H. Drittens, jeder abgeschlossene Unterraum V H erzeugt die Zerlegung H = V V, u = P V u + u P V u. a Sei w 1,..., w n } eine Basis von W. Ohne Einschränkung kann man annehmen, dass w i V für 1 i n mit n 1 und V + W = V W anderenfalls setze ω := w i w i V } und Ω := span ω, dann V + W = V Ω. Darüber hinaus, wegen V W = V spanw 1 } spanw } spanw n } kann man n = 1 annehmen, d.h. W := span w}. Sei u n = v n + w n = v n + λ n w eine Folge aus V W mit u n u für n. Sei P die orthogonale Projektion auf V. Wir haben P u n = λ n sowie Da w V, folgt. Das liefert P u n P u. Wir haben damit λ n = λ n, = P u n, n P u, λ n w λ w =: w W =: λ. sowie V v n = v n + w n w n u w V, d.h. u = u w + w mit u w V und w W. b Da x k = x, e k und das Skalarprodukt stetig ist d.h. Konvergenz in der Norm impliziert Konvergenz komponentenweise, bekommt man die Abgeschlossenheit von U und V. Sei nun x U V. Dann x k = und daraus x k = damit x k =, k N. Die Basis von l liegt in U V : e k U und ke k + e k V, k N. Wäre also U V abgeschlossen, dann gälte auch U V = l. Setze z =, 1,, 1/,, 1/3,,.... Aus Analysis z l. Angenommen, z = x + y mit x U, y V. Damit y k = z k = 1/k und y k = ky k = 1, Widerspruch zu y l. Aufgabe 5 Punkte Sei H,, ein Hilbertraum und A LH mit abgeschlossenem Bildraum AH. Die Gleichung Ax = y ist für y AH nicht lösbar. Dafür ist die Gleichung Ax = P y, P : H AH Orthogonalprojektion immer lösbar. Zeigen Sie, dass es eine Lösung von mit kleinster Norm gibt. Bestimmen Sie diese Lösung kleinster Norm im Fall H = L, 1, Af = f ftdt und ht = t.
3 Lösung zur Aufgabe : Der Kern von A, ker A = u H Au = } ist ein abgeschlossener Unterraum. Die Linearität ist vererbt von A, die Abgeschlossenheit folgt aus der Stetigkeit von A. Sei x mit Ax = P y. Dann liegen alle Lösungen von Ax = P y in x + ker A. Das ist eine abgeschlossene konvexe Menge. Wir haben folgendes Lemma in der Vorlesung: Falls M H eine konvexe und abgeschlossene Menge eines Hilbertraumes H ist, so existiert genau ein x M mit x y für alle y M. Somit wird min x x x + ker A} eindeutig angenommen. Wir betrachten nun den Operator A auf L, 1. Der ist linear und beschränkt als Summe von zwei linearen beschränkten Operatoren. Aus der Darstellung Af = f ftdt = f 1 ftdt bekommt man Aftdt =. Umgekehrt, sei g L, 1 mit gtdt =. Dann A g = g, d.h. AH ist ein abgeschlossener Unterraum } AH = f L, 1 ftdt = = f L, 1 f, 1 = } = span1}. Wir definieren daher die Projektion auf AH, den Operator P f = f 1 ftdt. Um zu zeigen, dass P tatsächlich eine orthogonale Projektion auf AH ist, muss man zwei Sachen nachweisen. Erstens, P ist eine Projektion auf AH, d.h. P f AH, f L, 1: fs 1 ftdt ds =. Zweitens, P ist orthogonal, d.h. f P f AH = 1} f P f = const: f f + 1 Wir projizieren ht = t AH auf AH: P h = t 1 Wir untersuchen nun den Nullraum von A: Af = f 1 ftdt = const. t dt = t 1 3.! ftdt = liefert ker A = R. Damit ist die allgemeine Lösung von Af = P h gegeben durch t + α, α R und wir suchen zu minimieren t + α L = t αt + α t 4 1 dt = 4 dt + 3 α + α min
4 über α R. Wir bekommen 1 3 α + α = α und damit α = 1 6 und f = t / 1/6. Aufgabe 3 Punkte Zeigen Sie, dass die Rademacher-Funktionen r n t := sign sin n πt mit n N ein Orthonormalsystem aber keine Orthonormalbasis in L, 1 sind. Hinweis: Die Funktionen r n t, n N sind ungerade bzgl. t = 1/. Lösung zur Aufgabe 3: Ein Orthonormalsystem Φ := φ n n N erfüllt die Bedingungen, für i j φ i, φ j = 1, für i = j. Ist ein Orthonormalsystem Φ eines Hilbertraums H hinreichend groß, span Φ = H, dann heißt es Orthonormalbasis. In diesem Fall, lässt sich jedes u H darstellen als u = u, φ i φ i. i=1 Die Bedingung span Φ = H kann man ersetzen durch die äquivalente Bedingung span Φ = Φ = }. Wir beschreiben die ersten drei r k, um die allgemeine Struktur zu verstehen. Für n = hat man r t = sign sinπt = 1. Für n = 1 hat man r 1 t = sign sinπt 1, für x, 1/ =, für x, 1/, 1}, für x 1/, 1 Für n = hat man r t = sign sin4πt 1, für x, 1/4 1/, 3/4 =, für x, 1/4, 1/, 3/4, 1}, für x = 1/4, 1/ 3/4, 1 Daraus folgt, rk = 1 f.ü., d.h. r kdx = 1. Sei nun k > j. Dann i/ k k r k r j dx = ±1 r k tdt =. i=1 i/ } k } = Wir haben also gezeigt, dass r k k=1 ein Orthonormalsystem ist. Nach der Konstruktion von r k folgt, dass r k, k 1 ungerade bzgl. t = 1/ sind, d.h. r k t = r k 1 t, t [, 1/]. Ist also p L [, 1] gerade bzgl. t = 1/, dann folgt ptr k tdt = / ptr k tdt + / p1 τr k 1 τdτ =.
5 Damit liegt jede gerade bzgl. t = 1/ Funktion f L [, 1] mit f, r = f, 1 = in der Menge r k k=. Man nehme z.b. 1, für t [1/4, 3/4] ft =, für t [, 1/4 3/4, 1]. Abgabefrist: Montag, den 7. Juli, 15:45. Übungsschein: Mindestens 5 % aller Punkte müssen erreicht werden. Klausurtermin: 1. August, 14. Uhr 16. Uhr bzw. 14. Uhr 15. Uhr
x, 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,
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
MehrEigenschaften 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
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
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
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
MehrBild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit
Bild und Kern Für eine lineare Abbildung L : V W bezeichnet man mit Kern L = {v V : L(v) = 0} V den Kern und mit Bild L = {w W : v V mit L(v) = w} W das Bild von L. Bild und Kern 1-1 Bild und Kern Für
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
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)
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
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
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
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
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
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
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
Mehr35 Stetige lineare Abbildungen
171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
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
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
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
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
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
MehrKonvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke
Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
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
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrLösung Semesterendprüfung (Nachprüfung)
MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung (Nachprüfung Aufgabe : Aufgabe : a Gemäss Def. der Vorlesung müssen wir
Mehr2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
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
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
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
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
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
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
MehrSS 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
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
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
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Mehr7 Orthogonale und unitäre Matrizen
$Id: orthogonal.tex,v.6 2/7/ 4::3 hk Exp $ $Id: mdiffb.tex,v.3 2/7/ 4::5 hk Exp hk $ 7 Orthogonale und unitäre Matrizen 7.2 Drehungen Wir wollen uns jetzt mit Drehungen im dreidimensionalen Raum beschäftigen.
MehrAnalytische Geometrie
Kapitel 2 Analytische Geometrie 21 Vektoren Die Elemente des kartesischen Produktes R n, d h die n Tupel oder Zeilenvektoren (a 1,, a n ) mit a k R für k n, interpretiert man als Punkte eines n dimensionalen
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr10.2. SELBSTADJUNGIERTE OPERATOREN 67
10.2. SELBSTADJUNGIERTE OPERATOREN 67 10. Spektralsatz 10.1. Spektrum. Sei K entweder R oder C. Definition 10.1.1. Sei X ein Banachraum und T L(X,X) L(X). (i) Die Menge ρ(t) K aller rellen oder komplexen
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
Mehr13. Funktionen in einer Variablen
13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
Mehr