Lösungsvorschläge für das 5. Übungsblatt

Größe: px
Ab Seite anzeigen:

Download "Lösungsvorschläge für das 5. Übungsblatt"

Transkript

1 Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2), Beweis. Weil e (2, 3) ist, gilt f(x) = und damit f = [0,log 2) + 2 falls x [log 2, ] 2 [log 2,]. Also ist f als Summe von charakteristischen Funktionen messbarer Mengen messbar und nach Definition des Lebesgue-Integrals für einfache Funktionen gilt f(x) dx = λ([0, log 2]) + 2λ([log 2, ]) = log 2 + 2( log 2) = 2 log 2. b) Seien = (0, ], f(x) := sin x für x. x 3 Behauptung: f ist messbar und (0,] Beweis. f ist auf (0, ] stetig und damit messbar. Die Funktion h : [0, ], x sin x x x > 0, x = 0, ist stetig und positiv, also ist C := min x h(x) > 0 wegen der Kompaktheit von [0, ]. Wir schließen f(x) C x 2 für alle x (0, ]. Wir definieren nun g n := n 2 (0, n ] für n N. Dann ist g n einfach, also messbar, und g n (x) dx = n 2 λ((0, n ]) = n2 n (0,] für alle n N. Weiter ist g n (x) für alle x (0, ] und n N, da im Fall x x 2 n die Ungleichung g n (x) = n 2 gilt und g x 2 n (x) = 0 für x > n ist. Dies impliziert mit der Monotonie und Linearität des Integrals C f(x) dx (0,] (0,] x 2 dx = C dx C g (0,] x2 n (x) dx = Cn (0,] für alle n N. Also ist (0,] c) Seien =, f(x) := x 4 e x falls x Q, 0 falls x \ Q. Behauptung: f ist messbar und f(x) dx = 0. Beweis. Es ist = Q (\Q) und die Vereinigung ist disjunkt, weiter sind Q, \Q B. Weil f Q stetig und damit messbar und f \Q konstant also auch messbar sind, ist f nach Folgerung 3.3 ebenfalls messbar. Es gilt λ(f > 0}) = λ(q\0}) = 0. Nach Satz 4.5(3) ist also f(x) dx = 0.

2 d) Seien =, f(x) := x 4 e x falls x \ Q, 0 falls x Q. Behauptung: f ist messbar und Beweis. Ähnlich wie im vorherigen Teil c) folgt die Messbarkeit von f auch hier. x e 4 x falls x Q, Setze nun wie im vorherigen Teil h(x) := 0 falls x \ Q. Dann gilt f + h [, ) auf und mit Teil c) sowie der Linearität des Lebesgue-Integrals folgt = λ([, )) = [, ) (x) dx f(x) + h(x) dx = f(x) dx + h(x) dx = f(x) dx. Aufgabe 7 (K, 6 Punkte) a) Seien d N, B d und f : [0, ] messbar. Behauptung: Durch µ : B() [0, ], A A f(x) dx wird ein Maß auf B() definiert. Beweis. f : [0, ] ist messbar, also auch A f für jedes A B(). Also ist A f(x) dx wohldefiniert. Wir weisen im Folgenden die Eigenschaften eines Maßes nach. Zu (M): Es gilt µ( ) = f(x) dx = (x)f(x) dx = 0. Zu (M2): Es sei (A j ) j N eine disjunkte Folge in B(). Wir setzen für n N B n := und sehen ein, dass (B n ) n N eine aufsteigende Folge in B() ist. Wir setzen B := n= n A j B n = und (f n ) n N mit f n := Bn f. Dann folgt f n f n+ und f n (x) B (x)f(x) für n für alle x. Der Satz von Beppo Levi liefert nun f(x) dx = B (x)f(x) dx = lim Bn f(x) dx. Außerdem B µ ( ) A j = µ(b) = = lim B A j f(x) dx = lim Bn f(x) dx = lim Aj (x)f(x) dx Aj (x)f(x) dx = lim µ(a j ) = µ(a j ). 2

3 b) Seien y d, f : d und τ y f : d mit τ y f(x) := f(x y) die Translation von Blatt 4. Behauptung: f ist genau dann integrierbar, wenn τ y f integrierbar ist. In diesem Fall gilt f(x) dx = τ y f(x) dx. d d Beweis. ist. (i) Wir wissen aus Aufgabe 3 (c), dass f genau dann messbar ist, wenn τ y f messbar (ii) Wir zeigen die Behauptung zuerst für einfache Funktionen. Sei also f 0 einfach mit einer Darstellung n α i Ai. Zusätzlich sei f integrierbar. Wir setzen y + A i := y + x x A i }. Dann folgt für x d τ y f(x) = f(x y) = α i Ai (x y) = α i y+ai (x). Also ist τ y f ebenfalls einfach und τ y f(x) dx = d α i λ d (y + A i ) = α i λ d (A i ) = f(x) dx <, d wobei wir die Translationsinvarianz des Lebesguemaßes ausgenutzt haben. (iii) Sei nun f : d [0, ] integrierbar und (f n ) n N eine zulässige Folge von einfachen Funktionen für f. Dann ist (τ y f n ) n N eine zulässige Folge für τ y f, denn für x d gilt τ y f n (x) = f n (x y) f n+ (x y) = τ y f n+ (x) und τ y f n (x) = f n (x y) f(x y) für n. Insbesondere ist τ y f n für n N einfach (siehe (ii)). Dann folgt per Definition des Integrals und Teil (ii) τ y f(x) dx = lim d τ y f n (x) dx = lim d f n (x) dx = d f(x) dx <. d (iv) Sei nun f : d integrierbar. Dann sind f +, f : d [0, ] integrierbar und f = f + f. Es gilt für x d (τ y f) + (x) = maxf(x y), 0} = f + (x y) = (τ y f + )(x) und (τ y f) (x) = (τ y f )(x). Also folgt direkt durch Anwendung des Ergebnisses aus (iii) τ y f(x) dx = (τ y f) + (x) dx + (τ y f) (x) dx = (τ y f + )(x) dx + (τ y f )(x) dx d d d d d = f + (x) dx + f (x) dx = f(x) dx <. d d d (v) Sei nun τ y f integrierbar. Dann schreiben wir f = τ y (τ y f) und erhalten die Integrierbarkeit von f aus (iv). 3

4 Aufgabe 8 (K, 6 Punkte) a) Seien d N und B d. Gegeben seien messbare Funktionen f n : [0, ], die eine monoton fallende Folge bilden. Weiter existiere der Grenzwert f(x) := lim f n(x) für alle x und es sei f (x) dx <. Behauptung: Es gilt lim f n (x) dx = f(x) dx. Auf die Voraussetzung f (x) dx < kann dabei nicht verzichtet werden. Beweis. Definiere für i N die Funktion g i : [0, ] durch g i = f f i. Weil die Folge (f n ) n monoton fällt und nichtnegativ ist, gilt für i N 0 = f f }} f f i f }} f i+... f }}. =g =g i =g i+ Wir erhalten insbesondere mit der Voraussetzung f (x) dx <, dass jede Funktion g i auf integrierbar ist. Ferner ist für alle x lim g n(x) = f (x) lim f n(x) = f (x) f(x). Mit Satz 4. und dem Satz von der monotonen Konvergenz, angewandt auf die Folge (g n ) n, folgt lim f n (x) dx = lim f (x) g n (x) dx = f (x) dx lim g n (x) dx = f (x) dx (f (x) f(x)) dx = f(x) dx. Im letzten Schritt verwenden wir wieder Satz 4. und die Integrabilität von f und f f auf. Wir belegen nun mittels eines Gegenbeispiels, dass man auf die Voraussetzung f (x) dx < nicht verzichten kann. Wir wählen d =, = und f n := n für n N. Dann ist die Funktionenfolge (f n ) n messbar, da jede Funktion der Folge konstant ist, und es ist lim f n (x) = 0 =: f(x) für alle x. Weiter ist die Folge (f n ) n monoton fallend. Allerdings gilt lim f n (x) dx = lim = 0 = f(x) dx. b) (i) Behauptung: Es gilt lim n cos(x) dx = π. Beweis. Wir definieren (f n ) n N mit f n : [0, π] [0, ] durch f n (x) := n cos(x). Dann gilt wegen cos(x) [0, ] für x [0, π], dass f n (x) = n cos(x) n+ cos(x) = f n+ (x) ist. Außerdem konvergiert f n punktweise auf [0, π] gegen die Funktion, x [0, π] \ π f : [0, π] 0, }; x 2 }, 0, x = π 2. 4

5 Weil f n stetig ist, ist es messbar für n N. Der Satz von Beppo Levi liefert nun n lim cos(x) dx = lim f n (x) dx = f(x) dx = π. (ii) Behauptung: Es ist lim [, ) e nx2 dx = 0. Beweis. Wir setzen f n : [, ) [0, ]; x e nx2 für n N, was als stetige Funktion messbar ist. Dann gilt für x [, ) f n (x) = e nx2 e (n+)x2 = f n+ (x). Weiter konvergiert die Folge (f n ) n auf [, ) punktweise gegen 0, x [, ) \ 0}, f : [, ) [0, ]; x, x = 0. Wir wollen Teil a) anwenden und zeigen dafür f L ([, )). Für x [, ] gilt e x2 und für x (, ) gilt e x2, x [, ],. Also folgt f x 2 g mit g : [, ) [0, ]; x, x (, ). x 2 Es gilt nun g(x) dx = dx + dx <. [, ) [,] (, ) x2 Folglich ist f L ([, )). Dann folgt mit dem Teil a) f n (x) dx = f(x) dx = 0. lim [, ) [, ) c) Sei a k := x dx für k N. (x+) k Behauptung: Die eihe a k konvergiert gegen. Beweis. Es sei (f k ) k N definiert durch f k : [0, ] [0, ); x f k (x) := x für k N. (x+) k Dann folgt für n N und x [0, ] S n (x) := f k (x) = x (x + ) k = x n x + (x + ) k 0, x = 0,, x (0, ], k=0 n. Folglich gilt S n (0,] punktweise auf [0, ] für n. Da (S n ) n N eine aufsteigende Folge messbarer Funktionen ist, liefert der Satz von Beppo Levi a k = lim f k (x) dx = lim S n (x) dx = (0,] (x) dx = λ ((0, ]) =. 5

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

4 Messbare Funktionen

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

Mehr

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

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

Lebesgue-Integral und L p -Räume

Lebesgue-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

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

Mehr

11. Übungsblatt zur Mathematik I für Maschinenbau

11. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 200/ 2.0.-28.0. Aufgabe G (Grenzwertberechnung)

Mehr

Analysis III Wintersemester 2003/2004. W. Ebeling

Analysis III Wintersemester 2003/2004. W. Ebeling Analysis III Wintersemester 2003/2004 W. Ebeling 1 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de

Mehr

Maße auf Produkträumen

Maße auf Produkträumen Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge

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

Mathematik III. Vorlesung 71

Mathematik III. Vorlesung 71 Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen

Mehr

3. Übungsblatt zur Analysis II

3. Übungsblatt zur Analysis II Fachbereich Mathematik Prof. Dr. Steffen Roch Nada Sissouno WS 9/ 9..9 3. Übungsblatt zur Analysis II Gruppenübung Majorantenkriterium für uneigentliche Riemann-Integrale: Es seien f : [, ) [, ) und g

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0

Höhere 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

Mehr

Aufgaben zur Analysis I aus dem Wiederholungskurs

Aufgaben zur Analysis I aus dem Wiederholungskurs Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden

Mehr

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.

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

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

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Lösungsvorschläge zum 14. Übungsblatt.

Lösungsvorschläge zum 14. Übungsblatt. Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine

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

Höhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016

Höhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016 Höhere Analysis Vorlesung Reiner Lauterbach M dω = M ω Universität Hamburg, WS 2015/2016 ii Inhaltsverzeichnis 12 Integration im R n 5 12.1 Mengenalgebren............................ 6 12.2 Inhalt und

Mehr

Teil III. Fourieranalysis

Teil III. Fourieranalysis Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)

Mehr

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

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

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Technische Universität Berlin. Klausur Analysis I

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

Mehr

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir

Mehr

n 1, n N \ {1}, 0 falls x = 0,

n 1, n N \ {1}, 0 falls x = 0, IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige

Mehr

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

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die 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

Mehr

Definition: Differenzierbare Funktionen

Definition: Differenzierbare Funktionen Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ

Mehr

IV. Stetige Funktionen. Grenzwerte von Funktionen

IV. Stetige Funktionen. Grenzwerte von Funktionen IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es

Mehr

Lösungshinweise zu den Hausaufgaben:

Lösungshinweise zu den Hausaufgaben: P. Engel, T. Pfrommer S. Poppitz, Dr. I. Rybak 14. Gruppenübung zur Vorlesung Höhere Mathematik 1 Sommersemester 009 Prof. Dr. M. Stroppel Prof. Dr. N. Knarr Lösungshinweise zu den Hausaufgaben: Aufgabe

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

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

Mehr

Monotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings

Monotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings Monotone Approximationen durch die Stirlingsche Formel Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings Formel für n!: e n n e n n! e n n+/2 e n Genauer zeigen wir, dass die Folge

Mehr

Stetigkeit. Definitionen. Beispiele

Stetigkeit. Definitionen. Beispiele Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt

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

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002

Mehr

2 Stetigkeit und Differenzierbarkeit

2 Stetigkeit und Differenzierbarkeit 2.1) Sei D R. a) x 0 R heißt Häufungspunkt von D, wenn eine Folge x n ) n N existiert mit x n D,x n x 0 und lim n x n = x 0. D sei die Menge der Häufungspunkte von D. b) x 0 D heißt innerer Punkt von D,

Mehr

Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser)

Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser) Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser) 13. Januar 2011 Inhaltsverzeichnis Vorwort..................................................

Mehr

Folgen und Reihen von Funktionen

Folgen und Reihen von Funktionen Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die

Mehr

11 Logarithmus und allgemeine Potenzen

11 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

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 16 : Differentialrechnung Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 9. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 9. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 203/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 9. Übungsblatt Aufgabe

Mehr

x j I j (1 j n)}. und erhält dann, wenn Q j, Q j

x j I j (1 j n)}. und erhält dann, wenn Q j, Q j Ein Spaziergang zum Lebesgue-Integral Die Elementargeometrie lehrt, daß der Inhalt eines (rechtwinkligen) Quaders das Produkt seiner Kantenlängen ist. Wir nehmen dies zum Anlaß, den Inhalt eines Quaders

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

2. Teilklausur. Analysis 1

2. Teilklausur. Analysis 1 Universität Konstanz FB Mathematik & Statistik Prof. Dr. M. Junk Dipl.-Phys. Martin Rheinländer 2. Teilklausur Analysis 4. Februar 2006 4. Iteration Name: Vorname: Matr. Nr.: Hauptfach: Nebenfach: Übungsgruppen-Nr.:

Mehr

Regulär variierende Funktionen

Regulär variierende Funktionen KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,

Mehr

Analytische Zahlentheorie

Analytische Zahlentheorie 4. April 005. Übungsblatt Aufgabe (4 Punkte Sei k N. Beweisen Sie, dass f : N C mit f(n := n k streng multiplikativ ist. Sei τ die Funktion, die der natürlichen Zahl n die Anzahl der Teiler von n zuordnet

Mehr

13 Die trigonometrischen Funktionen

13 Die trigonometrischen Funktionen 13 Die trigonometrischen Funktionen Wir schreiben die Werte der komplexen Exponentialfunktion im Folgenden auch als e z = exp(z) (z C). Geometrisch definiert man üblicherweise die Werte der Winkelfunktion

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................

Mehr

Übersicht Wahrscheinlichkeitsheorie

Übersicht Wahrscheinlichkeitsheorie Übersicht Wahrscheinlichkeitsheorie Gunther Leobacher und Friedrich Pillichshammer Universität Linz, Institut für Finanzmathematik, Altenbergerstrasse 69, 4040 Linz, Austria E-mail: gunther.leobacher@jku.at,

Mehr

Beispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759.

Beispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759. (4) Exponential- und Logarithmusfunktionen Satz Für jedes b > 1 gibt es eine eindeutig bestimmte Funktion exp b : R R + mit folgenden Eigenschaften. exp b (r) = b r für alle r Q Die Funktion exp b ist

Mehr

Stetigkeit von Funktionen

Stetigkeit 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

Mehr

Existenz des Lebesgue-Borel-Maßes

Existenz des Lebesgue-Borel-Maßes A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen

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

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,

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

Wahrscheinlichkeitstheorie 2 & 3. Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 30. Januar 2015

Wahrscheinlichkeitstheorie 2 & 3. Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 30. Januar 2015 Wahrscheinlichkeitstheorie 2 & 3 Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 3. Januar 215 Inhaltsverzeichnis. Bedingte Erwartungswerte 4 1. Martingale, Stoppzeiten und Filtrierungen 9 1.1.

Mehr

30 Metriken und Normen

30 Metriken und Normen 31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für

Mehr

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

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

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

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

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- und WAHRSCHEINLICHKEITSTHEORIE im SS 2014 Übung Maß- und Integrationstheorie (SS 2014) 1 Aufgabe 1 (σ-algebra)

Mehr

Gesetze der großen Zahlen

Gesetze der großen Zahlen Kapitel 0 Gesetze der großen Zahlen 0. Einführung Im ersten Kapitel wurde auf eine Erfahrungstatsache im Umgang mit zufälligen Erscheinungen aufmerksam gemacht, die man gewöhnlich als empirisches Gesetz

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

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 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 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

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

Die Varianz (Streuung) Definition

Die Varianz (Streuung) Definition Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ

Mehr

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen) VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien

Mehr

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0

Mehr

MIII (WS 03/04) BERNHARD HANKE

MIII (WS 03/04) BERNHARD HANKE MIII (WS 03/04) BERNHARD HANKE 1. Konstruktion des Lebesgue-Integrals Unter einem n-dimensionalen (achsenparallelen) Quader im R n verstehen wir eine Teilmenge Q R n der Form Q = I 1... I n wobei alle

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis 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

Mehr

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

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

Mehr

Schwache Konvergenz. Kapitel 8

Schwache Konvergenz. Kapitel 8 Im Hinblick auf die funktionalen Grenzwertsätze wird in diesem Kapitel die Theorie der schwachen Konvergenz endlicher Maße auf separablen metrischen, vorallem polnischen Räumen entwickelt. In dieser Situation

Mehr

5 Stetigkeit und Differenzierbarkeit

5 Stetigkeit und Differenzierbarkeit 5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.

Mehr

1. Proseminar Höhere Mathematik I

1. Proseminar Höhere Mathematik I 1. Proseminar Höhere Mathematik I 5.10.2010 1. Operationen auf Mengen: Gegeben seien folgende Teilmengen der natürlichen Zahlen N: A = {n N : n ungerade}, B = {n N : n 21 und n Primzahl}, C = {1, 2, 8}.

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

Vorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)

Vorlesung Mathematik 2 für Ingenieure (Sommersemester 2016) 1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

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

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

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen 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

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) 1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n) 2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld

ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld Bitte wenden! 1. Die unten stehende Figur wird beschrieben durch... (a) { (x, y) R 2 x + y 1 }. Richtig! (b) { (x,

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

Kapitel 6. Exponentialfunktion

Kapitel 6. Exponentialfunktion Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.

Mehr

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

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

Mehr

A k R n. Dann ist der Durchschnitt A k integrierbar mit λ(a) = lim λ(a k ). deshalb. Damit gilt

A k R n. Dann ist der Durchschnitt A k integrierbar mit λ(a) = lim λ(a k ). deshalb. Damit gilt B. EIGENSCHAFTEN DES LEBESGUE-INTEGRALS Das Lebesgue-Integral ist deswegen wichtig, weil man viele schöne Sätze darüber beweisen kann. Die Konvergenzsätze z.b. sind sehr nützlich. B1. Konvergenzsätze Der

Mehr

Untersuchen Sie die angegebenen Funktionenfolgen auf gleichmäßige Konvergenz. = 1 n, (1 Punkt ) x 2. x 1 = 1. x n + (1 Punkt )

Untersuchen Sie die angegebenen Funktionenfolgen auf gleichmäßige Konvergenz. = 1 n, (1 Punkt ) x 2. x 1 = 1. x n + (1 Punkt ) Aufgabe (glm. Konvergenz) (6+6 Punkte) Untersuchen Sie die angegebenen Funktionenfolgen auf gleichmäßige Konvergenz. a) g n : R R, mit g n (x) = x + n (6 Punkte) b) f n : R R, mit f n (x) = arctan(nx)

Mehr

Übungen Ingenieurmathematik

Übungen Ingenieurmathematik Übungen Ingenieurmathematik 1. Übungsblatt: Komplexe Zahlen Aufgabe 1 Bestimmen Sie Real- und Imaginärteil der folgenden komplexen Zahlen: a) z =(3+i)+(5 7i), b) z =(3 i)(5 7i), c) z =( 3+i)( 3+ 3 i),

Mehr

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

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

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion

Mehr