Konvexe Funktionen und wichtige Ungleichungen
|
|
- Swen Voss
- vor 6 Jahren
- Abrufe
Transkript
1 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 Fat Elephant Inequality 10 Literatur 1 1
2 1 Zusammenfassung/Abstract In dieser Seminararbeit werden wichtige Ungleichungen der Analysis vorgestellt. Besonders wichtig sind dabei vor allem die Hölder-Ungleichung, die Minkowski-Ungleichung und die ensensche-ungleichung, die zu den fundamentalen Ungleichungen der Analysis gehören. Die Beweisführung dieser Ungleichungen stützt sich dabei auf die besonderen Eigenschaften konvexer beziehungsweise konkaver Funktionen. Daher werden in dieser Seminararbeit zunächst konvexe Funktionen deniert, sowie einige Eigenschaften und Folgerungen aus der Konvexität einer Funktion aufgeführt. Darauf basierend werden im Zentralen Kapitel dieser Seminararbeit wichtige Ungleichungen der Analysis vorgestellt. Abschlieÿend zeigt ein Beispiel, wie sich diese Ungleichungen auf andere Bereiche der Analysis anwenden lassen. This seminar saper deals with important inequalities of analysis. The main focus will be put on the Hölder-inequality, the Minkowski-inequality and the ensen-inequality, which belong to the most important inequalities of analysis.the proof of these inequalities is based on the special features of convex and concarve functions. For that reason convex functions will be dened at the beginning of this seminar paper. Additionally some features and consequences of the convexity of a function will be mentioned. Based on that important inequalities of analysis will be presented in the main part of this seminar paper. Finally an example will show how these inequalities can be applied to other areas of analysis. Konvexe Funktionen Denition.1. Eine Funktion f : I R heiÿt konvex auf einem Intervall I, wenn für alle Punkte P 1 = (x 1, f(x 1 )) und P = (x, f(x )), mit x 1, x I, die Sekante durch P 1 und P immer oberhalb des Graphen von f verläuft, das heiÿt, wenn die Ungleichung f (λx 1 + (1 λ)x ) λf(x 1 ) + (1 λ)f(x ) (1) für alle x 1, x I und ein λ (0, 1) erfüllt ist. Eine Funtion f : I R heiÿt konkav auf einem Intervall I, wenn f auf I konvex ist, also wenn f (λx 1 + (1 λ)x ) λf(x 1 ) + (1 λ)f(x ) ()
3 für alle x 1, x I und ein λ (0, 1) erfüllt ist. Gelten in (1) und () nicht und sondern < und >, so heiÿt f streng konvex beziehungsweise streng konkav. Satz.. Eine Funktion f : I R ist genau dann konvex auf I, wenn für alle x 1, x, x I mit x 1 < x < x gilt: f(x) f(x 1 ) x x 1 f(x ) f(x). (3) x x Diese Aussage bedeutet, dass die Dierenzenquotienten von f monoton wachsen. Etwas ausführlicher gilt für konvexe Funktionen dann: f(x) f(x 1 ) x x 1 f(x ) f(x 1 ) x x 1 f(x ) f(x). (4) x x Proof. edes x (x 1, x ) lässt sich schreiben als x = λx 1 + (1 λ)x mit λ (0, 1). Setzen wir dies in (3) ein erhalten wir: f (λx 1 + (1 λ)x ) f(x 1 ) f(x ) f (λx 1 + (1 λ)x ) λx 1 + (1 λ)x x 1 x (λx 1 + (1 λ)x ) f (λx 1 + (1 λ)x ) f(x 1 ) (1 λ)(x x 1 ) f(x ) f (λx 1 + (1 λ)x ). λ(x x 1 ) Multipliziere mit x x 1 > 0 sowie mit λ(1 λ) > 0: λ (f (λx 1 + (1 λ)x ) f(x 1 )) (1 λ) (f(x ) f (λx 1 + (1 λ)x )) f (λx 1 + (1 λ)x ) λf(x 1 ) + (1 λ)f(x ). Satz.3. Sei f : I R eine dierenzierbare Funktion, so ist sie genau dann konvex auf I, falls die erste Ableitung f auf I monoton wachsend ist. Proof. Sei f konvex, dann gilt mit (3) für alle x 1 < x : f f(x) f(x 1 ) f(x ) f(x) (x 1 ) = lim lim = f (x ) x x1 x x 1 x x x x 3
4 f ist monoton steigend. Sei nun f monoton steigend. Wir betrachten x 1 < x < x. Mit der Monotonie von f sowie dem Mittelwertsatz und passenden Werten x 1 (x 1, x) und x (x, x ) gilt: f(x) f(x 1 ) x x 1 = f ( x 1 ) f ( x ) = f(x ) f(x). x x Bemerkung.4. Direkt aus Satz.3 folgt, dass eine zweimal dierenzierbare Funktion f genau dann konvex ist, falls ihre zweite Ableitung f 0 ist. Beispiel.5. Die Funktion e x ist streng konvex auf R, die Funktion log(x) streng konkav auf R +. Denition.6. Sei f : I = (a, b) R stetig und es existiere ein x 0 I, sodass f auf (a, x 0 ) konvex und auf (x 0, b) konkav ist, oder auf (a, x o ) konkav und auf (x 0, b) konvex. Dann hat f an der Stelle x 0 einen Wendepunkt. Beispiel.7. Die Funktion f(x) = x 3 ist streng konkav auf R und streng konvex auf R +. Nach Denition.6 hat f in x 0 = 0 einen Wendepunkt. Satz.8. Sei I R ein oenes Intervall und f : I R eine konvexe Funktion, dann gilt: 1. Die einseitigen Ableitungen f (a) f(a) f(x) = lim x a a x und f +(a) = existieren. lim x a f(x) f(a) x a. f ist stetig. 3. f ist dierenzierbar auf I\M, wobei M I eine höchstens abzählbare Ausnahmemenge ist. Proof. 1. Für alle x 1 < x < x I wissen wir, dass f(x) f(x 1) f(x ) f(x) x x x x 1 < gilt. Betrachten wir nun eine beliebige Stelle a I, sowie die Dierenzenquotienten (x) = f(a) f(x) a x für x (x 1, a) und ( x) = f( x) f(a) x a für x (a, x ). Nun ist (x) monoton steigend und durch ( x) nach oben beschränkt, dementsprechend existiert lim x a (x) = f (a). Analog ist ( x) monoton steigend und durch (x) nach unten beschränkt, dementsprechend existiert lim x a ( x) = f +(a). 4
5 . Da f (a) existiert, folgt: Für alle ɛ > 0 existiert ein δ > 0, sodass f(a) f(a δ) δ f (a) < ɛ ist. Multiplizieren wir diese Ungleichung mit δ erhalten wir f(a) f(a δ) δf (a) < δɛ. Mit der Dreiecksungleichung folgt nun, dass f(a) f(a δ) f(a) f(a δ) δf (a) + δf (a) ( ) δɛ + δ f (a) = δ ɛ + f (a) < ɛ, für alle ɛ > 0 und einem ausreichend kleinem δ. Somit ist f linksseitig stetig für alle a I. Analog lässt sich mit f(a+δ) f(a) δ f +(a) < ɛ die rechtsseitige Stetigkeit von f für alle a I zeigen. 3. Für monotone Funktionen auf einem Intervall I ist die Menge der Unstetigkeitsstellen höchstens abzählbar (vergleiche Kaballo, Einführung in die Analysis I, 8.0). Da f monoton wachsend ist, ist f nun auf allen, bis auf höchstens abzählbar vielen Stellen stetig. Nun existiert f an jeder Stetigkeitsstelle von f, also auch an allen, bis auf höchstens abzählbar vielen Stellen. Daraus folgt, dass f bis auf höchstens abzählbar viele Ausnahmestellen dierenzierbar ist. 3 Wichtige Ungleichungen Durch die Eigenschaften konvexer Funktionen lassen sich verschiedene Ungleichungen beweisen, die in der Analysis sehr wichtig sind. Lemma 3.1. Seien p, q > 1 mit 1 p + 1 q = 1, sowie a, b 0, dann gilt: a b 1 p ap + 1 q bq. (5) Proof. Im Falle a b = 0 ist die Aussage korrekt. Betrachte den Fall a b > 0. Sei x = log(a) und y = log(b), dann gilt: a b = e x e y = e x+y = e ( 1 p px+ 1 q qy) 1 p e(px) + 1 q e(py) = 1 p ap + 1 q aq. 5
6 Bemerkung 3.. Zusätzlich sei an dieser Stelle die bekannte Dreiecksungleichung aufgeführt, da sie in kommenden Beweisführungen benutzt wird. Seien a, b C, so gilt: a + b a + b. (6) Satz 3.3 (Höldersche Ungleichung). Seien p, q > 1 mit 1 p + 1 q seien f, g R() zwei Regelfunktionen auf einem Intervall, dann gilt: f(x)g(x) dx = 1. Weiter dx g(x) q q dx. (7) Proof. Da die Betragsfunktion und alle Potenzfunktionen Regelfunktionen sind, sind auch f p und g q Regelfunktionen. Sei nun A ɛ = sowie a = f(x) A ɛ f(x)g(x) A ɛ B ɛ dx + ɛ, Bɛ = g(x) q q dx + ɛ, und b = g(x) B ɛ, dann gilt mit Lemma 3.1: = a b 1 p ap + 1 q bq = 1 f(x) p p A p + 1 ɛ q g(x) q. Integration der Ungleichung auf beiden Seiten liefert: 1 f(x)g(x) dx 1 A ɛ B ɛ pa p f(x) p dx + 1 ɛ qbɛ q g(x) q dx. Da nun 1 A p ɛ f(x) p 1 dx, Bɛ q g(x) q dx < 1 ist, erhalten wir 1 f(x)g(x) dx 1 A ɛ B ɛ p + 1 q = 1, und durch Multiplikation mit (A ɛ B ɛ ) f(x)g(x) dx A ɛ B ɛ. Für ɛ 0 folgt dann die Aussage: f(x)g(x) dx B q ɛ dx g(x) q q dx. 6
7 Beispiel 3.4 (Cauchy-Schwarzsche Ungleichung). Betrachte für die Höldersche Ungleichung 3.3 den Speziallfall mit p = q =, dann gilt: f(x)g(x) dx f(x) dx g(x) dx. (8) Diese Ungleichung heiÿt Cauchy-Schwarzsche Ungleichung. Satz 3.5 (Minkowskische Ungleichung). Sei p 1 sowie f, g R() zwei Regelfunktionen auf einem Intervall, dann gilt: f(x) + g(x) p p dx dx + g(x) p p dx. (9) Diese Ungleichung heiÿt Minkowskische Ungleichung. Betrachten wir f p = f(x) p dx p, so bemerken wir, dass die Minkowskische Ungleichung einfach eine Dreiecksungleichung für die L p -Norm von Funktionen ist. Proof. Für p = 1 ist der Beweis klar, die Ungleichung folgt dann direkt durch Integration der Dreiecksungleichung. Betrachte nun A = f(x) + g(x) p dx. Für A = 0 ist (8) ebenfalls erfüllt, somit kann im Folgenden A > 0 angenommen werden. Nun wird die Dreiecksungleichung aus 3. sowie die Höldersche Ungleichung aus Satz 3.3 angewendet. Es gilt: A = f(x) + g(x) f(x) + g(x) p 1 dx f(x) f(x) + g(x) p 1 dx + g(x) f(x) + g(x) p 1 dx + ( = = ( dx g(x) p p dx dx + f(x) + g(x) (p 1)q dx q f(x) + g(x) (p 1)q q dx g(x) p dx dx + g(x) p dx ) p ) p f(x) + g(x) (p 1)q q dx f(x) + g(x) p q dx 7
8 = ( ) dx + g(x) p p dx A 1 q. Dabei nutzen wir im Vorletzten Rechenschritt aus, dass (p 1)q = p gilt, denn 1 p + 1 q = 1 p+q pq = 1 p = pq q. Nun dividieren wir die erhaltene Ungleichung noch durch A 1 q > 0, dann folgt unsere Aussage: A 1 p = f(x) + g(x) p p dx dx + g(x) p p dx. Lemma 3.6. Seien x k, y k R für alle k = 1,,..., n, sowie p, q > 1 mit 1 p + 1 q = 1, dann gilt: ( x k y k ( p x k p y k q q. (10) Proof. Der Beweis folgt direkt aus Satz 3.3 mit den Treppenfunktionen f = n x k χ (k 1,k) und g = n y k χ (k 1,k), sowie der charakteristischen Funktion χ. Lemma 3.6 ist also ein Spezialfall der Hölderschen Ungleichung. Mit der selben Beweisführung erhalten wir ebenfalls einen Spezialfall der Minkowski Ungleichung. Lemma 3.7. Seien x k, y k R für alle k = 1,,..., n, sowie p 1, dann gilt: ( x k + y k p p ( ( p p x k p + y k p. (11) Denition 3.8. Seien λ 1, λ,..., λ n x 1, x,..., x n R heiÿt die Zahl 0 mit n λ k = 1. Für Zahlen x = λ k x k (1) das gewichtete Mittel. 8
9 Satz 3.9 (ensensche Ungleichung). Seien x 1, x,..., x n I, dann ist auch jedes zugehörige gewichtete Mittel x I. Des weiteren gilt für alle gewichteten Mittel x, sowie für eine konvexe Funktion φ : I R: Proof. Sei I = (a, b) dann gilt: a = φ(x) λ k a λ k φ(x k ). (13) λ k x k λ k b = b. Also ist x I. Bleibt die ensensche Ungleichung zu zeigen,wobei der Fall n = 1 trivial ist und der Fall n = direkt aus der Konvexität von φ folgt. Mit der Induktionsannahme, dass die Ungleichung für n 1 Zahlen bereits erfüllt ist, zeigen wir dies nun für n Zahlen x 1, x,..., x n I. Sei dazu λ = n 1 λ k, dann gilt n 1 λ k λ = 1. Weiter sei y = n 1 λ k λ x k, wobei y I ist. Daraus ergibt sich, dass x = λy + λ n x n und λ + λ n = 1 ist und somit auch x I ist.. Nun gilt wegen der Konvexität von φ und der Induktionsannahme: φ(x) = φ (λy + λ n x n ) λφ(y) + λ n φ(x n ) ( n 1 ) λ k = λφ λ x k + λ n φ(x n ) n 1 λ k λ λ φ(x k) + λ n φ(x n ) = λ k φ(x k ). Lemma Seien x 1, x,..., x n > 0 und λ 1, λ,..., λ n 0 mit n λ k = 1, dann gilt n λ x k k λ k x k. (14) 9
10 Proof. Betrachte n λ kx k und wende die konkave Logarithmus-Funktion an, dann gilt: ( ) log λ k x k λ k log(x k ). Anwenden der Exponentialfunktion auf die Ungleichung liefert dann ( ) λ k x k exp λ k log(x k ) = = = n exp (λ k log(x k )) n (exp(log(x k ))) λ n λ x k k. Bemerkung Betrachten wir die Ungleichung aus Lemma 3.10 für den Spezialfall mit λ k = 1 n für alle k = 1,,..., n,dann erhalten wir folgende Ungleichung zwischen geometrischem und arithmetischem Mittel: ( n x k n 1 n x k. (15) 4 The Fat Elephant Inequality Betrachten wir im Folgenden eine Menge S R 3 aus N verschiedenen Punkten im R 3, also hat S die Mächtigkeit N. Genauer betrachten wir die Projektionen von S auf jede der Koordinatenebenen, also auf die xy-ebene, die xz-ebene und die yz-ebene. Es soll nun gezeigt werden, dass mindestens eine dieser Projektionen eine Mächtigkeit von mindestens N 3 haben muss. Daher auch der Name Fat elephant theory: Ein dicker Elefant kann nicht aus allen drei Richtungen dünn aussehen, aus mindestens einer Richtung muss man erkennen, dass er dick ist. 10
11 Wir führen an dieser Stelle die Charakteristische Funktion χ S : R 3 {0, 1} ein, mit χ(x, y, z) = 1, falls (x, y, z) S und χ s (x, y, z) = 0, falls (x, y, z) / R 3. Analog dazu denieren wir mit χ xy (x, y), χ xz (x, z) und χ yz (y, z) die charakteristischen Funktionen der Projektionen von S. Hier sei erwähnt, dass jede dieser charakteristischen Funktionen gleich ihrem Quadrat ist, also χ = χ und so weiter. Dies wird an späterer Stelle noch benötigt. Bemerkung 4.1. Seien S, N sowie χ, χ xy, χ xz und χ yz wie oben gegeben, dann gilt: χ(x, y, z) χ xy (x, y) χ xz (x, z) χ yz (y, z), (16) das heiÿt, dass χ(x, y, z) = 1 nur gilt, falls alle charakteristischen Funktionen der Projektionen auch gleich 1 sind. Die Umkehrung dieser Aussage gilt jedoch nicht. Beispiel 4.. Sei S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, dann ist χ(0, 0, 0) = 0, aber χ xy (0, 0) = χ xz (0, 0) = χ yz (0, 0) = 1. Bemerkung 4.3. Seien S, N sowie χ wie oben gegeben, dann gilt: χ(x, y, z) = N (17),z Wenden wir nun die Bemerkungen 4.1 und 4.3, sowie Satz 3.6 mit p = auf N an, dann folgt N =,z χ(x, y, z),z χ xy (x, y) χ xz (x, z) χ yz (y, z) = ( ) χ xy (x, y) χ xz (x, z)χ yz (y, z) ( χ xy (x, y) ( χ xy (x, y) ( = χ xy (x, y) z ( ) 1 χ xz (x, z)χ yz (y, z) z ( ( ) ( ) χ xz (x, z) χ yz (y, z) z ( ( ) ( χ xz (x, z) χ yz (y, z) z 11 z z ) 1
12 ( = χ xy (x, y) ( = χ xy (x, y) ( ( χ xz (x, z) χ yz (y, z) z z ( ( χ xz (x, z) χ yz (y, z) x,z = P xy (S) 1 Pxz (S) 1 Pyz (S) 1, y,z ) mit den Projektionen P xy (S), P xz (S) und P yz (S) von S auf die Koordinatenebenen. Quadrieren wir diese Ungleichung erhalten wir S = N P xy (S) P xz (S) P yz (S). Aus dieser Ungleichung folgt nun, dass mindestens eine dieser Projektionen eine Mächtigkeit von mindestens N 3 besitzen muss. Damit ist die Fat elephant inequality bewiesen. Literatur [1] Winfried Kaballo. Einführung in die Analysis I. Spektrum Akademischer Verlag GmbH, 000. [] Konrad Königsberger. Analysis 1. Springer Verlag,
Konvexe Mengen und konvexe Funktionen
Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl I: Analysis Ausarbeitung Analysis III Seminar Konvexe Mengen und konvexe Funktionen Name: Jessica Prang Datum: 14.04.2015 Seminarleiter:
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
MehrDie 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
MehrSeminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen
Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
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
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,
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
MehrAnalysis I. Guofang Wang , Universität Freiburg
Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x
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
MehrKapitel 6. Differentialrechnung. 6.1 Die Ableitung einer Funktion
Kapitel 6 Differentialrechnung 6. Die Ableitung einer Funktion 6.2 Rechenregeln 6.3 Mittelwertsätze 6.4 Die Regeln von L Hospital 6.5 Konvexe Funktionen 6.6 Wichtige Ungleichungen und l p Normen 6. Die
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
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
MehrSeminar Gewöhnliche Dierentialgleichungen
Seminar Gewöhnliche Dierentialgleichungen Dynamische Systeme II Valentin Jonas 8. 6. 215 1 Einleitung In dem letzten Kapitel "Dynamische Systeme I" ging es vor allem um in t glatte, autonome, dynamische
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
Mehr8 Ungleichungen. Themen: Klassische Ungleichungen Konvexe und monotone Funktionen
8 Ungleichungen Themen: Klassische Ungleichungen Konvexe und monotone Funktionen Die Youngsche Ungleichung Aus 0 (a±b) 2 erhalten wir die Youngsche Ungleichung für a, b Ê ab 1 2 a2 + 1 2 b2. Ersetzen wir
MehrVorlesung Analysis I WS 07/08
Vorlesung Analysis I WS 07/08 Erich Ossa Vorläufige Version 07/12/04 Ausdruck 8. Januar 2008 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Elementare Logik.................................. 1 1.1.A Aussagenlogik................................
MehrKompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:
16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital
Mehr{, wenn n gerade ist,, wenn n ungerade ist.
11 GRENZWERTE VON FUNKTIONEN UND STETIGKEIT 60 Mit anderen Worten, es ist lim f(x) = b lim f (, a)(x) = b, x a x a wobei f (, a) die Einschränkung von f auf (, a) ist. Entsprechendes gilt für lim x a.
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
Mehrsign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt
MehrAnalysis I. Vorlesung 20. Konvexe Funktionen
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 20 Konvexe Funktionen Eine konvexe Teilmenge. Eine nichtkonvexe Teilmenge. Definition 20.1. Eine Teilmenge T R n heißt konvex, wenn mit
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
MehrLösung zum Tutorium für Topologie und Differentialrechnung mehrerer Variablen SS y. Mit A ist der Flächeninhalt des von
Blatt Nr. Markus Nöth Lösung zum Tutorium für Topologie und Differentialrechnung mehrerer Variablen SS 1 Aufgabe 1 1 8 6 X w - 6 8 Abbildung 1: Cauchy-Schwarz-Ungl. A In der nebenstehenden Graphik sind
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+
D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Lösung - Serie 6 1. MC-Aufgaben (Online-Abgabe) 1. Für alle ganzen Zahlen n 1 gilt... (a) e 1/x = o(x n ) für x 0 + (b) e 1/x = o(x n ) für x 0 + (c)
MehrTangenten und die erste Ableitung
Universität Heidelberg Proseminar Überraschungen und Gegenbeispiele in der reellen Analysis Leitung: PD Dr. Gudrun Thäter Sommersemester 2009, 16.06.2009 Inhaltsverzeichnis 1 2 3 tangere = berühren, aus
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
MehrUniversität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.
Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor
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
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
Mehr2.6 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
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
Mehr4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion.
4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. Definition 4.3. Es sei f : R D R eine auf D erklarte Funktion. Die Funktion f hat in a D eine globales oder
MehrSatz: Eine Funktion f ist monoton wachsend auf einem Intervall ]a, b[, wenn gilt: f (x) < 0 x ]a, b[
Monotonie und erste Ableitung: Satz: Eine Funktion f ist monoton wachsend auf einem Intervall ]a, b[, wenn gilt: f (x) 0 x ]a, b[ Eine Funktion f ist monoton fallend auf einem Intervall ]a, b[, wenn gilt:
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrWendepunkte. Jutta Schlumberger
Wendepunkte Jutta Schlumberger Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser Ausarbeitung
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
Mehr19.2 Mittelwertsatz der Differentialrechnung
19 Mittelwertsätze der Differentialrechnung mit Anwendungen 19.1 Satz von Rolle 19.2 Mittelwertsatz der Differentialrechnung 19.4 Globaler Wachstumssatz 19.6 Verallgemeinerter Mittelwertsatz der Differentialrechnung
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr. Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite / 50 Kapitel 5 Mathematischer Vorkurs TU Dortmund Seite 54 / 50 Scheitel S Schenkel α Winkelbereich Winkel werden in Grad
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrLösungen zu Aufgabenblatt 7P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0
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.
MehrAnalysis 1. Torsten Wedhorn. f(x) f( x) x x. (2) Die Funktion f heißt auf D differenzierbar, falls f in jedem Punkt x D differenzierbar ist.
Analysis Torsten Wedorn 8 Differentiation (A) Differenzierbare Funktionen (B) Recenregeln für die Ableitung (C) Lokale Extrema und Mittelwertsatz (D) Ableitung und Monotonie (E) Der Satz von l Hospital
MehrWiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.
Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrLösungen zur Klausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:
MehrStetigkeit vs Gleichmäßige Stetigkeit.
Stetigkeit vs Gleichmäßige Stetigkeit. Beispiel: Betrachte ie Funktion f(x) = 1/x auf em Intervall D = (0, 1]. f ist in jeem Punkt p (0, 1] stetig. Denn: Sei p (0, 1] un ε > 0 gegeben. Setze δ = min (
MehrUnterricht 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
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
MehrLösungen zu Aufgabenblatt 10P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 05 9. Juni 05 Lösungen zu Aufgabenblatt 0P Aufgabe (Funktionsgrenzwerte) Berechnen Sie die folgenden Grenzwerte: cos(x) x cos( x )
Mehr10 Differenzierbare Funktionen
10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrAnalysis 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
MehrAnalysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz:
d-infk Lösung von Serie 4 FS 07 4.. Inhomogene Lineare Differentialgleichungen Das charakteristische Polynom der homogenen DGl y (4) + y + y = 0 ist λ 4 + λ + = (λ + ). Seine Wurzeln sind ±i und jede hat
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
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
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
MehrMathematischer Vorbereitungskurs für das MINT-Studium
Mathematischer Vorbereitungskurs für das MINT-Studium Dr. B. Hallouet b.hallouet@mx.uni-saarland.de SS 2017 Vorlesung 7 MINT Mathkurs SS 2017 1 / 25 Vorlesung 7 (Lecture 7) Differentialrechnung differential
MehrLösungen 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 + )
MehrDarstellungssatz 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
MehrÜbungen zu Einführung in die Analysis
Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung
MehrAnalysis I. 8. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I 8. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 9, 207 Grenzwerte Korollar 5.2.2 (Bernoulli-de l Hôpital) Seien f, g : [a, b] R stetig und differenzierbar
MehrFormelsammlung Analysis I & II
Formelsammlung Analysis I & II Wichtige eindimensionale Integrale: { x s dx = s+ xs+ + C falls s log x + C falls s = exp(x dx = exp(x + C cos(x dx = sin(x + C sin(x dx = cos(x + C sinh(x dx = cosh(x +
MehrWeitere Interessante Funktionen
Weitere Interessante Funktionen Pascal Wagner Ausarbeitung zum Vortrag im PS Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
Mehr1 Polynome III: Analysis
1 Polynome III: Analysis Definition: Eine Eigenschaft A(x) gilt nahe bei a R, falls es ein δ > 0 gibt mit A(x) gilt für alle x (a δ, a + δ)\{a} =: U δ (a) Beispiele: x 2 5 nahe bei 0 (richtig). Allgemeiner:
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
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
MehrANALYSIS 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
MehrMathematik A Musterlösung Nachholprüfung Herbstsemester 2016
Mathematik A Musterlösung Nachholprüfung Herbstsemester 206 Prof. Dr. Enrico De Giorgi 3. Juli 207 Fachbereich für Mathematik und Statistik, Universität St. Gallen, Bodanstrasse 6, 9000 St. Gallen, Schweiz,
MehrMathematischer Vorkurs NAT-ING II
Mathematischer Vorkurs NAT-ING II (02.09.2013 20.09.2013) Dr. Jörg Horst WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 252 Kapitel 7 Differenzierbarkeit Mathematischer Vorkurs TU Dortmund Seite
MehrLS 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
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
MehrDifferenzierbarkeit von Funktionen
Differenzierbarkeit von Funktionen ist ein fundamentales Konzept zur a Beschreibung von Naturvorgängen: Änderungsrate, Momentangeschwindigkeit, Beschleunigung Differentialgleichungen als Bewegungsgleichungen
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
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
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
MehrAufgabe 1. Multiple Choice (4 Punkte). Kreuzen Sie die richtige(n) Antwort(en) an.
Analysis I, WiSe 2013/14, 04.02.2014 (Iske), Version A 1 Aufgabe 1. Multiple Choice (4 Punkte). Kreuzen Sie die richtige(n) Antwort(en) an. a) Welche der folgenden Aussagen über Folgen sind sinnvoll und
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 14
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 03.02.2019 Dr. Markus Lange Analysis 1 Aufgabenzettel 14 Dieser Zettel wird in der letzten Übung des Semesters am 08.02.2019 besprochen 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
MehrDifferentialrechnung
KAPITEL 4 Differentialrechnung. Eigenschaften der Ableitung und Differentationsregeln.. Definition der Ableitung. Definition 4.. Ableitung. Die Funktion f sei auf dem Intervall I R deniert und x 0 I. )
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))
Mehr30 Die Gammafunktion und die Stirlingsche Formel
3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel
MehrDifferenzierbarkeit. Klaus-R. Loeffler. 1 Hinführung, Definition und unmittelbare Folgerungen
Differenzierbarkeit Klaus-R. Loeffler Inhaltsverzeichnis 1 Hinführung, Definition und unmittelbare Folgerungen 1 1.1 Hinführung.......................................... 1 1.2 Definition der Differenzierbarkeit..............................
Mehr12 Extremwerte und Monotonie
5 II. Differentialrechnung 1 Extremwerte und Monotonie Lernziele: Resultate: Existenz von Maxima und Minima stetiger Funktionen auf kompakten Intervallen, Monotoniesatz Kompetenzen: Bestimmung lokaler
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
MehrLösungsvorschlag 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
MehrBlatt 5. , womit (U jk ) n k=0
Übungen zur Topologie, G. Favi 7. März 009 Blatt 5 Abgabe: 3. April 008, 1:00 Uhr Aufgabe 1. Zeige, daÿ für alle n N die n-sphäre S n in R n+1 kompakt ist. Beweis. Wir schreiben d(x, y) := y x für die
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
MehrDifferentiation und Taylorentwicklung. Thomas Fehm
Differentiation und Taylorentwicklung Thomas Fehm 4. März 2009 1 Differentiation in R 1.1 Grundlagen Definition 1 (Ableitung einer Funktion) Es sei f eine Funktion die auf dem Intervall I R definiert ist.
MehrDie 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
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 0.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
Mehr