Klassische Differentialgeometrie

Größe: px
Ab Seite anzeigen:

Download "Klassische Differentialgeometrie"

Transkript

1 Klassische Differentialgeometrie Das Plateausche Problem Julius Lang Sommersemester 2017

2 Das Plateausche Problem Struktur der Vorlesung 1. Die Problemstellung 2. Mathematische Setting und ein Ansatz 3. Vergleich zum Beweis des Satzes von Hopf-Rinow 4. Äquivalente Umformulierung des Problems zur Umgehung von Problemen 5. Konstruktion einer Minimalfläche und damit Lösung des Problems Literatur Jürgen Jost: Differentialgeometrie und Minimalflächen, S

3 Das Plateausche Problem Anschauliche Fragestellung: Kann man zwischen einer gegebenen geschlossenen Kurve im R 3 stets ein Flächenstück mit minimalem Flächeninhalt aufspannen? Physikalischer Hintergrund: Man stellt sich die Kurve als einen geschlossenen Draht vor und spannt zwischen diesem eine Seifenhaut auf. Man kann physikalisch argumentieren, dass diese ihren Flächeninhalt stets minimiert. Ist sie also im Stillstand, so muss sie minmalen Flächeninhalt haben. Differentialgeometrische Fragestellung: Existiert zu jeder einfach geschlossenen C 2 -Kurve c : [a, b] R 3 ein Minimalflächenstück f : D R 3 definiert auf der Kreisscheibe D R 2, dessen Rand genau Parametrisierung von c ist? Antwort: Ja! Wir werden die Beweisidee besprechen. Wir werden einige Lemmata ohne Beweis benutzen und einige technische Probleme überspringen.

4 Setting und Ansatz Plateausche Problem: Existiert zu jeder einfach geschlossenen C 2 -Kurve c : [a, b] R 3 ein Minimalflächenstück f : D R 3 definiert auf der Kreisscheibe D R 2, dessen Rand genau Parametrisierung von c ist? Setting Wir fixieren eine einfach geschlossene C 2 -Kurve c : [0, 1] R 3 als Randkurve. Die Kreisscheibe ist D := {(x, y) R 2 (x, y) 1}. Ihr Rand ist D := {(x, y) R 2 (x, y) = 1}. Wir werden D und D auch als Teilmengen von C interpretieren. Dann ist D = {e iθ θ [0, 2π)}. Wir betrachten die Familie F von C 2 -Flächenstücken f : D R 3, die eingeschränkt auf den Rand, also f D, eine Umparametrisierung von c ist. Es reicht, ein Minimum des Volumenfunktionals zu finden. Plateausche Problem umformuliert: Gibt es in F eine Minimalfläche? Falls es Flächenstück f 0 F gibt, s.d. Vol(f 0) = inf Vol(f ), so ist f0 Minimalfläche! f F Dabei ist Vol(f ) := D det(g (x,y) )dxdy. Das ist eine Konsequenz aus der Variationsformel.

5 Vergleich Hopf-Rinow und Plateausches Problem Das ist also die selbe Aufgabenstellung wie beim Satz von Hopf-Rinow: Problem bei Hopf-Rinow Problem bei Plateau Betrachte Familie F von Kurven c mit Flächen f : D R 3, c(0) = p und c(1) = q. deren Rand c parametrisiert. Betrachte das Längenfunktional Volumenfunktional L(c) = c (t) dt Vol(f ) = det(g)dxdy Suche in Familie ein Objekt, dass das Funktional minimiert, also L(c 0) = inf c F L(c). Vol(f 0) = inf f F Vol(f ). Dieses Objekt ist kürzeste Verbindung Minimalfläche. zwischen p und q mit Rand c. Bei Hopf-Rinow haben wir einfach eine Folge c i F mit lim i L(c i ) = inf c F L(c) gewählt (alle nach Bogenlänge parametrisiert) und aus dieser einen Grenzwert c 0 F konstruiert, für den L(c 0) minimal war. Ein analoges Vorgehen funktioniert bei Flächen i.a. nicht mehr. Hauptproblem ist, dass sie keine kanonische Parametrisierung haben. Daher kann es Folge f i mit Vol(f i ) inf f F Vol(f ) geben, die punktweise nicht konvergiert.

6 Äquivalente Umformulierung des Problems Wir können unseren Ansatz aber retten. Wir ersetzen das Längenfunktional Vol durch das Energiefunktional E(f ) := 1 g g 22dxdy. D die Familie F durch die Familie F aller Flächenstücke f F mit drei festen Randpunkten. Genauer: Wir fixieren 0 θ 1 < θ 2 < θ 3 < 2π und damit drei Punkte e iθ k D, sowie drei Punkte auf c, z.b. A k = c( k 3 ). Wir betrachten nur noch Flächenstücke mit f (e iθ k ) = A k, also F := {f F f (e iθ k ) = A k, k = 1, 2, 3}. Lemma 1: Minimiert f 0 F das Energiefunktional, also E(f 0) = inf f F E(f ), so ist f 0 konform parametrisert und minimiert auch Vol. Lemma 2: Es ist inf f F E(f ) = inf f F E(f ). Folgerung: Ist f 0 F minimal bzgl. E in F, d.h. E(f 0) = inf E(f ), f F so ist f 0 eine konform parametrisierte Minimalfläche und löst das Plateausche Problem.

7 Beweis von Lemma 1 Lemma 1: Minimiert f 0 F das Energiefunktional, also E(f 0 ) = inf f F E(f ), so ist f 0 konform parametrisert und minimiert auch Vol. Hilfsaussage: Für Flächenstück f F ist E(f ) Vol(f ) und Gleichheit gilt genau dann, wenn f konform parametrisert ist. Beweis: Seien a, b, c R mit a, b 0. Dann gilt (a b) 2 0 und Gleichheit gdw. a = b. Die Ungleichung ist äquivalent zu a 2 + b 2 2ab mit Gleichheit gdw. a = b. Daher gilt a 2 + b 2 2ab 4c 2 mit Gleichheit gdw. a = b und c = 0. Äquivalent gilt (a + b) 2 = a 2 + b 2 + 2ab 4ab 4c 2, also 1 2 (a + b) ab c 2 mit Gleichheit gdw. a = b und c = 0. Also gilt für die Integranden 1 2 (g11 + g22) g 11g 22 g12 2 und daher 1 g 11 + g 22dxdy = E(f ) Vol(f ) = g 11g 22 g dxdy. U Da der Integrand von E stets größer ist als der von Vol, gilt Gleichheit gdw. die Integranden gleich sind (bis auf Nullmenge, ist aber egal, da alles stetig ist), also gdw. g 11 = g 22 und g 12 = 0. U

8 Beweis von Lemma 1 mit Hilfsaussage Lemma 1: Minimiert f 0 F das Energiefunktional, also E(f 0 ) = inf f F E(f ), so ist f 0 konform parametrisert und minimiert auch Vol. Hilfsaussage: Für Flächenstück f F ist E(f ) Vol(f ) und Gleichheit gilt genau dann, wenn f konform parametrisert ist. Beweis des Lemmas: Es gilt inf E(f ) = inf Vol(f ). f F f F Das folgt aus der (nicht trivialen, hier ausgelassenen) Aussage, dass jedes Flächenstück konform parametrisiert werden kann. Da Vol invariant ist unter Umparametrisierung, bekommen wir und aus der Hilfsaussage. Minimiert f 0 F nun das Energiefunktional, so ist Daher bekommen wir inf E(f ) = E(f0) Vol(f0) inf Vol(f ). f F f F E(f 0) = Vol(f 0) und Vol(f 0) = inf Vol(f ). f F Ersteres bedeutet (nach Hilfsaussage), dass f 0 konform parametrisiert ist, zweiteres, dass f 0 auch Vol minimiert.

9 Beweis von Lemma 2, konforme Umparametriserung und Hilfsaussage 1 Lemma 2: Es ist inf f F E(f ) = inf f F E(f ), wobei F := {f F f (e iθ k ) = A k, k = 1, 2, 3}. Definition: Eine Umparametrisierung Φ : U V eines Flächenstücks heißt konform, falls Φ in jedem Punkt die Cauchy-Riemann-Gleichungen erfüllt, d.h. ( ) a(x, y) b(x, y) dφ (x,y) =. b(x, y) a(x, y) Äquivalent, falls Φ aufgefasst als komplexe Funktion holomorph ist. Das Differential ist also eine Drehung + Streckung. Daraus folgt: Ist f konform parametrisiert und Φ konform, so ist auch f Φ konform parametrisiert. Hilfsaussage 1: Das Energiefunktional E ist invariant unter konf. Umparametrisierung. Beweis: Es ist ˆf x = (f Φ) x = a f x + b f y und ˆf y = (f Φ) y = b f x + a f y. Daher 2 E(f Φ) = (f Φ) x, (f Φ) x + (f Φ) y, (f Φ) y dxdy U = a 2 g ab g 12 + b 2 g 22 + b 2 g 11 2ab g 12 + a 2 g 22 dxdy U = 2 (a 2 + b 2 )(g 11 + g 22 )dxdy = 2 g 11 + g 22 dxdy = 2 E(f ). U }{{} V =det(dφ) Bemerkung: Man kann sich das auch an Matrizen überlegen: g 11 + g 22 = tr(g).

10 Beweis von Lemma 2, Hilfsaussage 2 und Möbiustransformationen Hilfsaussage 2: Seien (θ 1, θ 2, θ 3) und (φ 1, φ 2, φ 3) Tripel von Winkeln (paarweise ungleich) in [0, 2π). Dann gibt es eine konforme Bijektion ω : D D mit ω(e iθ k ) = e iϕ k. Beweis: Wir benutzen Möbiustransformationen der Kreisscheibe ω : D D ω(z) = e iα z a, wobei a C, a < 1, α R. az 1 ω is wohldefiniert, d.h. a < 1 1 az 0 und durch Ausrechnen von z 2 sieht man z < 1 ω(z) < 1 und z = 1 ω(z) = 1. ω ist als Verkettung von auf D holomorphen Funktionen selber holomorph, also konform. Man kann beliebige Möbiustransformationen ω(z) = az+b zu Bijektionen cz+d C { } C { } erweitern. Sie bilden dann ( eine ) Gruppe und sind isomorph zu einer a b Untergruppe von SL(2, C), wobei man ω mit identifiziert. c d Für z 1, z 2, z 3 C { } und ω(z) = (z z 1)(z 2 z 3 ) (z z 3 )(z 2 z 1 ) ist ω(z 1) = 0, ω(z 2 ) = 1 und ( ) z2 z ω(z 3 ) =. Sie hat Matrixdarstellung 3 z 1 (z 2 z 3 ). z 2 z 1 z 3 (z 2 z 1 ) Man kann also beliebige Tripel auf diese drei Punkte abbilden, und mit Verkettung einer Inversen beliebige Tripel (z 1, z 2, z 3 ) auf beliebige Tripel (w 1, w 2, w 3 ). Diese Verkettung für z k = e iθ k und w k = e iφ k ist eine Möbiustransformation der Kreisscheibe wie oben (man kann nachrechnen, indem man Matrizen multipliziert) und erfüllt alle Anforderungen.

11 Hilfsaussage 1: Das Energiefunktional E ist invariant unter konf. Umparametrisierung. Hilfsaussage 2: Seien (θ 1, θ 2, θ 3 ) und (φ 1, φ 2, φ 3 ) Tripel von Winkeln (paarweise ungleich) in [0, 2π). Dann gibt es eine konforme Bijektion ω : D D mit ω(e iθ k ) = e iϕ k. Lemma 2: Es ist inf f F E(f ) = inf f F E(f ), wobei F := {f F f (e iθ k ) = A k, k = 1, 2, 3}. Beweis von Lemma 2: Die Ungleichung ist trivial. Sei f F. Wir parametrisieren f so um, dass die Umparametrisierung in F ist. Seien φ 1, φ 2, φ 3 s.d. f (e iφ k ) = A k für k = 1, 2, 3 (sie existieren, da A k f ( D)). Dann gibt es nach Hilfsaussage 2 eine konforme Umparametrisierung ω, s.d. ω(e iθ k ) = e iφ k, also ist (f ω)(e iθ k ) = f (e iφ k ) = A k, folglich f := f ω F. Nach Hilfsaussage 1 ist E(f ) = E(f ). Das zeigt inf E(f ) inf E(f ). f F f F Wir haben Lemma 1 und Lemma 2 bewiesen und damit die Folgerung aus diesen.

12 Wahl einer geeigneten minimierenden Folge Folgerung: Ist f 0 F minimal bzgl. E in F = {f F f (e iθ k ) = A k, k = 1, 2, 3}, d.h. E(f 0 ) = inf E(f ), f F so ist f 0 eine konform parametrisierte Minimalfläche und löst das Plateausche Problem. Das Ziel ist es nun, ein minimales Flächenstück zu konstruieren. Wir wählen nun eine minimierende Folge f k F, also mit E(f k ) inf E(f ). f F Betrachten erst die Folge der Ränder, also m k := f k D (m k : D Spur(c) R 3 ). Mit harter Analysis zeigt man, dass eine Teilfolge der m k gleichmäßig gegen eine stetige Randkurve m : D Spur(c) konvergiert und m wie alle m k eine Umparametrisierung von c ist. (Wir überspringen dies, S in [Jost]) Die Folge der Ränder ist eine Folge von Parametrisierungen von c und hat bessere Konvergenzeigenschaften als die Folge der Flächenstücke selber. Hier brauchen wir die Bedingung, dass f k drei Punkte festhält. O.B.d.A. sei m k schon die TF. Die Folge f k hat noch schlechte Konvergenzeigenschaften. Wir ersetzen sie mit einer harmonischen Folge h k : D R 3, nämlich der eind. Lösung der Differentialgleichung: h k = 0 mit Randwerten h k D = f k D ( ) Lemma: Es ist h k F (da der Rand mit f k übereinstimmt) und E(h k ) E(f k ). Daher ist auch h k eine minimierende Folge von Flächenstücken.

13 Die harmonische Folge h k Wir ersetzen f k mit einer harmonischen Folge h k : D R 3, nämlich der eind. Lösung der Differentialgleichung: h k = 0 mit Randwerten h k D = m k ( ) Lemma: Es ist h k F (da der Rand mit f k übereinstimmt) und E(h k ) E(f k ). Daher ist auch h k eine minimierende Folge von Flächenstücken. Fakt ohne Beweis: Die Differentialgleichung ( ) heißt Dirichletproblem und besitzt immer eine eindeutige Lösung. Beweis des Lemmas: Seien f, h : D R 3 glatt, h = 0 und f D = h D. Dann E(f ) = E(h + (f h)) = 1 2 h (f h) 2 D x i + x i, h (f h) x i + x i dxdy i=1 = 1 2 h 2 2 D x i + 2 h (f h), xi x i + (f h) 2 i=1 }{{} x i dxdy. ( ) Wegen (gh) xx = g xx h + 2g x h x + gh xx ist ( ) = 2 (x i ) 2 h, f h 2 h (x i ) 2, f h h, 2 (f h) (x i ) 2. Wir wenden die Divergenzformel von Gauß an: Ist g D = 0, so ist 2 g D i=1 x i dxdy = 0. 2 (f h) D i=1 ( ) = h, f h = 0, denn x i h, f h = 0 und x i = 0 auf D. E(f ) D i=1 h 2 x dxdy = E(h) (Wir lassen nur einen positiven Term weg.) i E(f k ) E(h k ) (für die Folgen f k und h k aus dem Lemma) Da E(f k ) inf f F E(f ) gilt auch E(h k ) inf f F E(f ).

14 Der Wert einer harmonischen Funktion als Integral über kleinen Ball Mittelwerteigenschaft harmonischer Funktionen Fakt ohne Beweis: Ist h : U R 2 R subharmonisch, d.h. h 0, so gilt für genügend kleines r > 0 h(x 0, y 0) 1 u(x, y)dxdy. πr 2 B((x 0,y 0 ),r) Ist h harmonisch, also h = 0, so gilt Gleichheit. Maximumsprinzip Satz: Ist h : D R subharmonisch und u D, so ist h(u) max v D h(v). Beweis: Wir setzen µ := max u D h(u) und D µ := {u D\ D h(u) = µ}. Ist D µ =, so sind wir fertig, da h ein Maximum auf D, also auf den Rand hat. Ist u 0 D µ, so wenden wir mit Mittelwerteigenschaft auf h i µ an: 0 = h(u 0 ) µ 1 πr 2 h(u) µ du B(u 0,r) }{{} 0 Es folgt h(u) = µ für alle i B(u 0, r). Damit ist D µ offen, aber nach Definition auch abgeschlossen, also D µ = D\ D. Also ist h konstant auf D und die Behauptung gilt.

15 Der Grenzwert der harmonischen Folge h k Wir ersetzen f k mit einer harmonischen Folge h k : D R 3, nämlich der eind. Lösung der Differentialgleichung: h k = 0 mit Randwerten h k D = m k ( ) Maximumsprinzip: Ist h : D R subharmonisch und u D, so ist h(u) max v D h(v). Behauptung: max h k(u) h l (u) max m k(u) m l (u) für k, l N. u D u D Sei g : D R harmonisch. Dann ist (g 2 ) = 2(g xx + g yy )g + 2(gx 2 + gy 2 ) 0. Also ist g 2 subharmonisch. Dann ist u h k h l 2 = (hk 1 hl 1 ) 2 + (hk 2 hl 2 ) subharmonisch und das Maximumsprinzip liefert h k (u) h l (u) max v D h k(v) h l (v) = max v D m k(v) m l (v). Mit harter Analysis zeigt man, dass eine Teilfolge von m k := f k D gleichmäßig gegen eine stetige Randkurve m : D Spur(c) konvergiert und m wie alle m k eine Umparametrisierung von c ist. O.B.d.A. sei m k schon die TF. Wir können also h : D R 3 mit h(u) = lim k h k(u) definieren. Dann konvergiert h k gleichmäßig gegen h und es ist h D = m. Außerdem ist h auch harmonisch, da alle h k harmonisch sind.

16 Lemma: Falls h F, so minimiert h das Energiefunktional, d.h. E(h) = inf E(f ). f F Beweis: Schreibe h 2 = h x, h x + h y, h y Für 0 < ρ < 1 ist 1 h 2 1 dxdy = lim h 2 n n 2 dxdy lim 2 inf 1 n 2 B(0,ρ) Für ρ 1 bekommen wir B(0,ρ) inf f F E(f ) E(h) = 1 2 D h 2 dxdy inf E(f ). f F B(0,ρ) h n 2 dxdy

17 Löst h das Plateausche Problem? Lemma: Falls h F, so minimiert h das Energiefunktional, d.h. E(h) = inf E(f ). f F Folgerung: Ist f 0 F minimal bzgl. E in F, d.h. E(f 0 ) = inf E(f ), f F so ist f 0 eine konform parametrisierte Minimalfläche und löst das Plateausche Problem. Probleme Wir wissen nicht, ob h tatsächlich ein Flächenstück ist, also überall vollen Rang hat, sonst könnten wir die Folgerung anwenden. Wir müssen Flächenstücke zulassen, die in endlich vielen Punkten nicht regulär sein dürfen. Wir haben implizit angenommen, dass F =. Man kann zu jeder Kurve mit Polarkoordinaten ein (in nur endlich vielen Punkten nicht reguläres) Flächenstück konstruieren. Lösung des Plateauschen Problems (wenn man die Probleme gelöst hat) Satz: Zu jeder geschlossenen C 2 -Kurve c : [a, b] R 3 existiert ein Minimalflächenstück f : D R 3, s.d. df p in nur endlich vielen Punkten keinen vollen Rang hat und f F eine Reparametriserung von c ist.

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben 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

Mehr

31 Die Potentialgleichung

31 Die Potentialgleichung 3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-

Mehr

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

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,

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3

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

(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,

Mehr

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Die Perronsche Methode

Die Perronsche Methode Emilia Finsterwald und Peter Schrank 21.06.2012 Gliederung 1 Oskar Perron 2 3 4 5 6 7 8 Oskar Perron (1880-1975) b7.mai 1880 in Frankenthal - d22.feb. 1975 in München Lösung eines speziellen s Im Fall

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale 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

Mehr

Drehung um einen Punkt um Winkel α.

Drehung 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

Mehr

Analysis II für Ingenieure Übersicht: Integration. 1 Kurvenintegral über ein Skalarfeld

Analysis II für Ingenieure Übersicht: Integration. 1 Kurvenintegral über ein Skalarfeld Analysis II für Ingenieure Übersicht: Integration 1 Kurvenintegral über ein Skalarfeld 1.1 erechnung c f ds = b a f ( c(t) ) c(t) dt 1. Kurve c parametrisieren: c : [a, b] R n, t c(t). 2. c(t) und dann

Mehr

55 Lokale Extrema unter Nebenbedingungen

55 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 :

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C 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

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der 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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015 Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen $Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen

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

Das Singularitätentheorem von Hawking Teil 2

Das Singularitätentheorem von Hawking Teil 2 Das Singularitätentheorem von Hawking Teil Jakob Hedicke 0.06.06 In diesem Vortrag werden wir den Beweis des Singularitätentheorems von Stephen Hawking vervollständigen. Im letzten Vortrag wurde bereits

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

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

Mehr

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß: Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,

Mehr

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

3.5 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

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz 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

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen aus dem Auflösungsatz Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und

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

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN 24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN x 2 = 0+x 2 = ( a+a)+x 2 = a+(a+x 2 ) = a+(a+x 1 ) = ( a+a)+x 1 = x 1. Daraus folgt dann, wegen x 1 = x 2 die Eindeutigkeit. Im zweiten Fall kann man für a 0 schreiben

Mehr

Konvergenz, Filter und der Satz von Tychonoff

Konvergenz, Filter und der Satz von Tychonoff Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 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

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus 4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F

Mehr

Kapitel 5 KONVERGENZ

Kapitel 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

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung 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,

Mehr

2 Allgemeine Integrationstheorie

2 Allgemeine Integrationstheorie 2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns

Mehr

6 Komplexe Integration

6 Komplexe Integration 6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise

Mehr

18 Höhere Ableitungen und Taylorformel

18 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

Mehr

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x 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

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Langlands-Programm. Zahlentheorie = Algebra + Geometrie + Analysis. Torsten Wedhorn. 19. Januar 2012

Langlands-Programm. Zahlentheorie = Algebra + Geometrie + Analysis. Torsten Wedhorn. 19. Januar 2012 Zahlentheorie = Algebra + Geometrie + Analysis 19. Januar 2012 Inhalt 1 Dreieckszahlen 2 3 4 Dreieckszahlen Eine rationale Zahl D > 0 heißt Dreieckszahl (oder Kongruenzzahl), falls D die Fläche eines rechtwinkligen

Mehr

Mathematik II für Inf und WInf

Mathematik II für Inf und WInf Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Analysis I - Stetige Funktionen

Analysis 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

Mehr

7 Vektorräume und Körperweiterungen

7 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

Mehr

Übungen zu Partielle Differentialgleichungen, WS 2016

Übungen zu Partielle Differentialgleichungen, WS 2016 Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen

Caputo 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

Mehr

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche 1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist 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)

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

Mehr

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen 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

Mehr

Konstruktion der reellen Zahlen 1 von Philipp Bischo

Konstruktion der reellen Zahlen 1 von Philipp Bischo Konstruktion der reellen Zahlen 1 von Philipp Bischo 1.Motivation 3 1.1. Konstruktion von R im allgemeine 3 2.Voraussetzung 3 2.1Die Menge Q zusammen mit den beiden Verknüpfungen 3 2.2Die Rationalen Zahlen

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

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine 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

Mehr

Komplexe Zahlen und konforme Abbildungen

Komplexe Zahlen und konforme Abbildungen Kapitel 1 Komplexe Zahlen und konforme Abbildungen 1.0 Geometrie der komplexen Zahlen Die Menge C der komplexen Zahlen, lässt sich mithilfe der bijektiven Abbildung C := {x + iy : x,y R}, C z = x + iy

Mehr

Das Banach-Tarski-Paradox

Das Banach-Tarski-Paradox Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

2. Stetigkeit und Differenzierbarkeit

2. Stetigkeit und Differenzierbarkeit 2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:

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

8 Konvergenzkriterien und Häufungswerte von Folgen in R

8 Konvergenzkriterien und Häufungswerte von Folgen in R 8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium

Mehr

Zur Ästhetik mathematischer Beweisführung

Zur Ästhetik mathematischer Beweisführung Zur Ästhetik mathematischer Beweisführung Jens-Peter M. Zemke [email protected] Institut für Numerische Simulation Technische Universität Hamburg-Harburg 23.10.2006 TUHH Jens-Peter M. Zemke Zur Ästhetik

Mehr

Analysis II (FS 2015): Vektorfelder und Flüsse

Analysis 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.

Mehr

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $ $Id: stetig.tex,v 1.11 2012/06/26 15:40:18 hk Exp $ 9 Stetigkeit 9.1 Eigenschaften stetiger Funktionen Am Ende der letzten Sitzung hatten wir eine der Grundeigenschaften stetiger Funktionen nachgewiesen,

Mehr

2 Die Dimension eines Vektorraums

2 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

Mehr

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen

Mehr

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,

Mehr

Lösungen zu Aufgabenblatt 7P

Lösungen 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

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

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

Einführung in die Analysis

Einführung in die Analysis Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Vorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient

Vorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung

Mehr

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des

Mehr

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006 Prof. E.-W. Zink Institut für Mathematik Humboldt-Universität zu Berlin Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester 2005-06 vom 15. Januar 2006 2te, korrigierte und erweiterte

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3 Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick auf die letzte Vorlesung. Bemerkung Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D

Mehr

Ferienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren

Ferienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

3.3 Das Abtasttheorem

3.3 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

Mehr

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

Lineare 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

Mehr

Lösung der Prüfung Sommer 2009

Lösung der Prüfung Sommer 2009 Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim

Mehr

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Kleine Formelsammlung zu Mathematik für Ingenieure IIA Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben. Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung

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